嘔心瀝血，持續收集python精品書籍，覺得不錯的話，請在下面點喜歡收藏，謝謝！ python資料結構基礎工具書籍下載下傳-持續更新 2018最佳人工智能機器學習工具書籍及下載下傳(持續更新) 2018最佳人工智能圖像處理工具OpenCV書籍下載下傳 web開發工具flask中文英文書籍下載下傳-持續更新 python網絡基礎工具書籍下載下傳-持續更新 python 3.7極速入門教程9最佳python中文工具書籍下載下傳 機器學習工具pytorch中文英文工具書籍下載下傳-持續更新 2018最佳selenium工具書籍彙總下載下傳(持續更新) python資料分析資料科學中文英文工具書籍下載下傳-持續更新 2018最佳人工智能資料采集(爬蟲)工具書下載下傳 部分示例
pandas 0.23.4 官方文檔.pdf
Python Data Science Handbook - 2017.pdf
- 中文版待上傳
《Python資料科學手冊》是對以資料深度需求為中心的科學、研究以及針對計算和統計方法的參考書。本書共五章，每章介紹一到兩個Python資料科學中的重點工具包。首先從IPython和Jupyter開始，它們提供了資料科學家需要的計算環境；第 2章講解能提供ndarray對象的NumPy，它可以用Python高效地存儲和操作大型數組；第3章主要涉及提供DataFrame對象的Pandas，它可以用Python高效地存儲和操作帶标簽的/列式資料；第4章的主角是Matplotlib，它為Python提供了許多資料可視化功能；第5章以Scikit-Learn為主，這個程式庫為重要的機器學習算法提供了高效整潔的Python版實作。
《Python資料科學手冊》适合有程式設計背景，并打算将開源Python工具用作分析、操作、可視化以及學習資料的資料科學研究人員
https://github.com/jakevdp/PythonDataScienceHandbook近12000+ 星
Python for Data Analysis, 2nd Edition - 2017.pdf
《利用Python進行資料分析·第2版.pdf閱讀本書可以獲得關于在Python下操作、處理、清洗、規整資料集的完整說明。本書第2版針對Python3.6進行了更新，并增加了實際案例向你展示如何高效地解決一系列資料分析問題。你将在閱讀過程中學習到新版本的pandas、NumPy、IPython和Jupyter。
https://github.com/wesm/pydata-book近8000星
Data.Science.from.Scratch.First.Principles.with.Python - 2015.pdf
亞馬遜 4星 108評
https://github.com/joelgrus/data-science-from-scratch3200+ 星
Python程式設計：從入門到實踐 - 2016.pdf 初級
亞馬遜 4.5星 345評論
https://github.com/ehmatthes/pcc1000左右星
本書是一本針對所有層次的Python讀者而作的Python入門書。全書分兩部分：首部分介紹用Python 程式設計所必須了解的基本概念，包括matplotlib、NumPy和Pygal等強大的Python庫和工具介紹，以及清單、字典、if語句、類、檔案與異常、代碼測試等内容；第 二部分将理論付諸實踐，講解如何開發三個項目，包括簡單的Python 2D遊戲開發，如何利用資料生成互動式的資訊圖，以及建立和定制簡單的Web應用，并幫讀者解決常見程式設計問題和困惑。
海報：
英文版：
Python Crash Course - 2016.pdf流暢的python - 2017.pdf 中級
《流暢的Python》一書緻力于幫助Python開發人員挖掘這門語言及相關程式庫的優秀特性，避免重複勞動，同時寫出簡潔、流暢、易讀、易維護，并且具有道地Python風格的代碼。本書尤其深入探讨了Python語言的進階用法，涵蓋資料結構、Python風格的對象、并行與并發，以及元程式設計等不同的方面。
2000+ 星 強烈推薦
英文版本：
Fluent Python - 2014.pdf Solutions Review審查了許多機器學習書籍，根據相關性，流行度，評分，釋出日期以及增加業務價值的能力，精心挑選了頂級機器學習書籍。 列出的每本書至少有15個亞馬遜使用者評論，評分為4.0或更高。
您将在下面找到該領域公認的上司者，專家和技術專業人員的圖書庫。 從資料科學到神經網絡，這些出版物甚至可以提供最終端的資料和分析專業人員。
個人建議優先考慮github星級1000以上的書。
Python深度學習 Deep Learning with Python François Chollet - 2018.pdf -- 強烈推薦
Python深度學習 - 2018.pdf- 源碼 github星級 5000左右
- 頁數：386
Deep Learning with Python使用Python語言和強大的Keras庫引入深度學習。 本書由Keras作者，Google AI研究員FrançoisChollet撰寫，通過直覺的解釋和實際例子幫助您的了解，涉及計算機視覺，自然語言處理和生成模型。
中文版(文字版)可以在qq群144081101等找到。
機器學習實戰:基于Scikit-Learn和TensorFlow Hands-On Machine Learning with Scikit-Learn and TensorFlow - 2017.pdf
機器學習實戰：基于Scikit-Learn和TensorFlow - 2018.pdf通過使用具體的例子，最小的理論和兩個可用于生産的Python架構 - scikit-learn和TensorFlow，作者AurélienGéron幫助您直覺地了解建構智能系統的概念和工具。 您将學習一系列技術，從簡單的線性回歸開始，逐漸深入到神經網絡。 通過每一章的練習來幫助您應用所學的知識，有程式設計經驗就能上手。
- 源碼位址 github星級 10000左右
- 頁數： 564
Machine Learning For Absolute Beginners, 2nd Edition-Oliver Theobald(2017).pdf
Machine Learning for Absolute Beginners Second Edition為完全初學者編寫和設計的。簡單的英語解釋，無需編碼經驗。 在引入核心算法的地方，添加了清晰的解釋和可視化示例，以便在家中輕松實作。新版本包含了第一版中未涉及的許多主題，包括交叉驗證，資料清理和集合模組化。
- 源碼位址：後期找到補上 github星級
- 頁數： 128
深度學習(deep learning) - 2017.pdf
提供了數學和概念背景，涵蓋了線性代數，機率論和資訊論，數值計算和機器學習中的相關概念。 它描述了工業從業者使用的深度學習技術，包括深度前饋網絡，正則化，優化算法，卷積網絡，序列模組化和實用方法; 分析了自然語言處理，語音識别，計算機視覺和線上推薦系統等應用。
- 源碼位址：暫無 github星級 20000左右
- 頁數： 738 中文書 本書沒有英文電子版本，但是有中文的
Python機器學習基礎教程 - 2018.pdf
Introduction to Machine Learning with Python - 2017.pdf如果您使用Python，即使是初學者，本書也将用務實的方法教您建構自己的機器學習解決方案。 您将學習使用Python和scikit-learn庫建立成功的機器學習。 作者AndreasMüller和Sarah Guido專注于使用機器學習算法的應用，而不是背後的數學。 熟悉NumPy和matplotlib庫将幫助您從本書中獲得更多資訊。
使用TensorFlow進行機器學習
Machine Learning with TensorFlow - 2017.pdf使用TensorFlow進行機器學習為讀者提供了機器學習概念的堅實基礎，以及使用Python編寫TensorFlow的實踐經驗。 您将通過使用經典預測，分類和聚類算法來學習基礎知識。 然後，您将進入金錢章節：探索深度學習概念，如自動編碼器，循環神經網絡和強化學習。 摘要本書，您将準備好使用TensorFlow進行自己的機器學習和深度學習應用。“