知識星球來自：圖靈教育（微訊號：turingbooks）
題圖：https://www.etamcru.com/sainer/flying-circus
寫這篇文章小激動，因為一股腦出版了幾本特別棒的 Python 書，並且很符合讀者的學習需求，今天先來個合集，改日再逐一介紹給大家：
1. 和孩子一起玩程式設計
2. Python基礎教程（第3版）
3. Python程式設計導論（第2版）
4. Python資料科學手冊
5. Python機器學習基礎教程
6. Python 3網路爬蟲開發實戰
1. 和孩子一起玩程式設計
第一本是寫給父母和小朋友的，寫這本書的是一位童心二米八的爸爸，他的語言表達非常適合小朋友閱讀。這本書請了好幾位老程員試讀和推薦，這幾位大大有個共同點，不光自己程式碼寫得 666，還熱切關註或者正在大力推動青少年程式設計教育。看小朋友的情況，大約從七八歲就可以開始學了。這本書就是要從一開始就讓小朋友們建立一個不同以往的意識：電腦不止可以娛樂，更可以構建神奇的世界，小朋友和父母會共同樂在其中。
圖靈原創
作者：胡宏彪
定價：69.00元
-
零基礎和孩子一起用Python入門程式設計
-
書後附帶卡片，方便小朋友敲程式碼
-
美團點評高階技術總監王棟博士、20年工齡的程式員李錕 作序推薦
-
陳世欣（Python中國開發者社群負責人、少兒程式設計教育先行者，Ahaschool聯合創始人）、
金從軍（網名老巫婆，“人人學會程式設計”的倡導者，開源教育的實踐者，www.17coding.net創辦人）、
劉斌（軟體工程師）、
花捲（技術圖書譯者，二寶爸）、
陶旭（《Scratch少兒趣味程式設計》系列圖書譯者）
聯合推薦
本書分成書和卡片兩部分，卡片相當於書的圖片版，是供不能獨立閱讀本書的孩子使用的，使用方式是家長看書來講解，孩子看卡片來操作。
書中設計了42個問題場景，我們可以使用簡單的程式來解決這些問題，然後讓孩子改動程式中的變數，解決類似的問題。
2. Python基礎教程（第3版）
22萬+ 讀者選擇這本書成為 Python 程式員！毫無疑問，會有更多讀者選擇它，因為新版更出色，不止是 Python 3 版本實體全面更新，同時也在翻譯和編輯上下了功夫。如果你沒有任何程式設計基礎，我們推薦你用《Python 程式設計：從入門到實踐》開始學習，而這本就是你的第二本 Python 書。如果你已經是一位使用其他程式語言的老手，想將 Python 作為第二或者第 N 程式語言，我們推薦這一本。
作者：Magnus Lie Hetland
譯者：袁國忠
頁數：458
-
久負盛名的 Python 入門經典
-
針對 Python 3 全新升級
-
十個出色的專案，讓你儘快可以使用 Python 解決實際問題
本書包括 Python 程式設計的方方面面：
首先，從 Python 的安裝開始，隨後介紹了 Python 的基礎知識和基本概念，包括串列、元組、字串、字典以及各種陳述句；
然後，循序漸進地介紹了一些相對高階的主題，包括抽象、異常、魔法方法、屬性、迭代器；
此後，探討瞭如何將 Python 與資料庫、網路、C語言等工具結合使用，從而發揮出 Python 的強大功能，同時介紹了 Python 程式測試、打包、釋出等知識；
最後，作者結合前面講述的內容，按照實際專案開發的步驟向讀者介紹了 10 個具有實際意義的 Python 專案的開發過程。
3. Python程式設計導論（第2版）
又是一本入門書，問題來了：跟其他同為入門書的 Python 書相比，這本書的特色在哪裡？
敲黑板，劃重點：
作者厲害，講課賊好，講義整理成了書，書的品質同樣高，Amazon 4.6 星評。
呵呵，開個玩笑，下麵才是：
其他書註重程式設計細節，這本書註重電腦科學與程式設計的整體觀，註重計算思維。只有計算與程式設計的底層概念瞭解透徹才能更好地使用Python 解決各種問題。
那麼，結論來了，對於日後致力於資料分析與處理工作、致力於機器學習與人工智慧相關工作的讀者，使用這本書入門 Python 絕對是首選。甚至，使用這本書瞭解計算機基礎也是相當明智的選擇（不要日後怪自己計算思維弱），看這本書的英文標題：
Introduction to Computation and Programming Using Python: With Application to Understanding Data
很明確，中文書的書名還是沒有做到完美達意。
關於這本書，下次單獨再寫文章為大家介紹，誓要把這本好書和 Guttag 教授介紹給國內更多的讀者。
作者：John V. Guttag
譯者：陳光欣
頁數：340
上架時間：3月中旬（註意這本書還買不到紙質版）
-
MIT 知名計算機教授 John Guttag 基於熱門 MOOC 教程編寫
-
旨在培養讀者的計算思維，為其日後的 IT 生涯打下堅實的程式設計基礎
-
第 2 版全面改寫了後半部分，且書中所有示例程式碼都從 Python 2 換成了 Python 3
本書基於 MIT 程式設計思維培訓講義寫成，主要標的在於幫助讀者掌握並熟練使用各種計算技術，具備用計算思維解決現實問題的能力。書中以 Python 3 為例，介紹了對中等規模程式的系統性組織、編寫、除錯，幫助讀者深入理解計算複雜度，還講解了有用的演演算法和問題簡化技術，並探討各類計算工具的使用。
著急先來電子版
4. Python資料科學手冊
關於 Python 資料處理的書，大家最熟悉的大概是 Wes McKinney 大佬的 Python for Data Analysis (中文版《利用 Python 進行資料分析》)，這本不是圖靈引進的，關註的同學可以去網店自搜，中文版第 2 版還沒出來。我跟大家推薦的當然是圖靈這本《Python資料科學手冊》，現在美亞上跟前者銷量有得一拼，緊跟其後。咱們這本 Python Data Science Handbook 綜合評分不錯，4.5 星，比前者略高，作者是 Scikit-Learn、IPython 等諸多庫的程式碼貢獻者，華盛頓大學 eScience 學院物理科學研究院院長 Jake VanderPlas。
作者：Jake VanderPlas
譯者：陶俊傑，陳小莉
頁數：448
-
全面同時綜合評價度 zui 高的 Python 資料處理參考讀本
-
掌握用 Scikit-Learn、NumPy 等工具高效儲存、處理和分析資料
-
大量示例+逐步講解+舉一反三，從計算環境配置到機器學習實戰，切實解決工作痛點
Python 語言擁有大量可用於儲存、操作和洞察資料的程式庫，已然成為深受資料科學研究人員推崇的工具。
本書以 IPython、NumPy、Pandas、Matplotlib 和 Scikit-Learn 這 5 個能完成資料科學大部分工作的基礎工具為主，從實戰角度出發，講授如何清洗和視覺化資料、如何用資料建立各種統計學或機器學習模型等常見資料科學任務，旨在讓各領域與資料處理相關的工作人員具備發現問題、解決問題的能力。
5. Python機器學習基礎教程
圖靈最受讀者歡迎的機器學習圖書是哪一本？很多讀者能秒答，是《機器學習實戰》，不過這本書作為新手入門不合適。一部分讀者喜歡《圖解機器學習》和《機器學習》，但這兩本不是 Python 示例講解。更多讀者一直在尋找一本 Python 入門機器學習的好書——終於可以很傲嬌地為大家首推這本了。我觀察了一陣子，這本書原版 Introduction to Machine Learning with Python: A Guide for Data Scientists 在美亞網站不論是演演算法還是機器學習分類都是穩居前十的。第一作者 Andreas C. Müller 是 scikit-learn 庫維護者和核心貢獻者，去他 GitHub 頁面翻了翻，發現這書的 star 是1.9k，關註度還是不錯的。當然，最關鍵的是書的內容不錯，Amazon 4.3 星評。
作者：Andreas C. Müller ，Sarah Guido
譯者：張亮（hysic）
頁數：285
-
Python 機器學習入門書首選
-
自己動手構建機器學習解決方案並非難事
-
以機器學習演演算法實踐為重點，使用 scikit-learn 庫從頭構建機器學習應用
本書主要內容包括：
-
機器學習的基本概念及其應用；
-
實踐中最常用的機器學習演演算法以及這些演演算法的優缺點；
-
在機器學習中待處理資料的呈現方式的重要性，以及應重點關註資料的哪些方面；
-
模型評估和調參的高階方法，重點講解交叉驗證和網格搜尋；
-
管道的概念；
-
如何將前面各章的方法應用到文字資料上，還介紹了一些文字特有的處理方法。
6. Python 3網路爬蟲開發實戰
另外，大家念念不忘的靜覓老師的《Python 3 網路爬蟲開發實戰》也在緊鑼密鼓出版中，爭取 3 月底印出來。
作者：崔慶才
頁數：604
預售時間：2018 年 3 月中（xia）
本書介紹瞭如何利用 Python 3 開髮網路爬蟲，書中首先詳細介紹了環境配置過程和爬蟲基礎知識，然後討論了 urllib、requests 等請求庫和 Beautiful Soup、XPath、pyquery 等解析庫以及文字和各類資料庫的儲存方法，接著透過多個案例介紹了分析 Ajax 進行資料爬取，Selenium 和 Splash 進行動態網站爬取的過程，接著介紹了爬蟲的一些技巧，如使用代理爬取和維護動態代理池的方法，ADSL 撥號代理的使用，圖形、極驗、點觸、宮格等各類驗證碼的破解方法，模擬登入網站爬取的方法及 Cookies 池的維護。
此外，本書還結合移動網際網路的特點探討了使用 Charles、mitmdump、Appium 等工具實現 App 爬取的方法，緊接著介紹了 pyspider 框架、Scrapy 框架的使用和分散式爬蟲的知識，最後介紹了 Bloom Filter 效率最佳化、Docker 和 Scrapyd 爬蟲部署、Gerapy 爬蟲管理等方面的知識。
●本文編號357，以後想閱讀這篇文章直接輸入357即可
●輸入m獲取文章目錄
Web開發
更多推薦《18個技術類微信公眾號》
涵蓋：程式人生、演演算法與資料結構、駭客技術與網路安全、大資料技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。
☟ 點選【閱讀原文】檢視圖靈更多 Python 圖書
