推荐两本Python书

1、Python数据分析

“数据分析是Python的杀手锏。”——佚名

推荐理由

• 最实用的Python开源模块的大集合；
• 简单易懂、示例丰富的数据分析教程；
• 掌握数据可视化、机器学习等高端主题；
• 新手变身数据分析专家的最佳读本；

书中内容：

作为学习教程，本书将从NumPy、SciPy、matplotlib和pandas着手，这些开源程序包对于数据加工、数据处理和可视化而言非常有用。如果能够将这些工具结合起来使用，其功效足以与MATLAB、Mathematica和R相媲美。

本书还将为读者介绍更高级的主题，包括信号处理、数据库、文本分析、机器学习、互操作性和性能优化。

第1章“Python程序库入门”手把手地指导读者正确安装配置Python数值计算软件。同时，本章还会展示如何创建一个小程序。

第2章“NumPy数组”介绍NumPy和数组的基础知识。通过阅读本章，读者能够基本掌握NumPy数组及其相关函数。

第3章“统计学与线性代数”对线性代数和统计函数做了简要回顾。

第4章“pandas入门”阐述pandas的基本功能，其中涉及pandas的数据结构与相应的操作。

第5章“数据的检索、加工与存储”介绍如何获取不同格式的数据，以及原始数据的清洗和存储方法。

第6章“数据可视化”介绍如何利用matplotlib绘制数据图。

第7章“信号处理与时间序列”利用太阳黑子周期数据来实例讲解时间序列和信号处理，同时还会介绍一些相关的统计模型。本章使用的主要工具是NumPy/SciPy。

第8章“应用数据库”介绍各种数据库和有关API的知识，其中包括关系数据库和NoSQL数据库。

第9章“分析文本数据和社交媒体”考察基于文本数据的情感分析和主题抽取。同时，本章还将会为读者展示一个网络分析方面的实例。

第10章“预测性分析与机器学习”通过一个例子来说明人工智能在天气预报上面的应用，这主要借助于scikit-learn。不过，有些机器学习算法在scikit-learn中尚未实现，所以有时还要求助其他API。

第11章“Python生态系统的外部环境和云计算”将提供各种实例，来说明如何集成非Python编写的现有代码。此外，本章还将为读者演示如何在云中部署应用。

第12章“性能优化、性能分析与并发性”为读者介绍通过性能分析（Profling）和Cython等关键技术来改善性能的各种技巧。

此外，我们还将讨论与分布式多核系统有关的一些框架。

附录A“重要概念”将对本书中涉及的重要概念进行简要介绍。

附录B“常用函数”概述本书中用到的各种函数。

附录C“在线资源”给出相关文档、论坛、文章及其他重要信息的网络链接。

2、Python和HDF 5大数据应用

推荐理由

• Python语言在科学计算和数据处理领域应用前景广阔。大数据时代，催生了人们处理大量数据的实际需求。

• Python应用领域的拓展，越来越多的人将Python用于处理大型数值数据集，使用标准格式来进行数据的存储和通信也显得越来越重要，而HDF5也正迅速成为人们存储科学数据的选择。

书中内容：

• 设置HDF5工具并创建第一个HDF5文件。

• 通过学习HDF5数据集对象来使用数据集。

• 理解数据集分块和压缩等高级功能。

• 使用组来学习如何利用HDF5层次性结构。

• 使用HDF5的属性来添加元数据，创建可以自解释的文件。

• 利用HDF5的类型系统创建有互操作性的文件。

• 使用引用，命名类型和维度标尺来表示数据之间的关系。

• 了解在Python中如何编写能跟HDF5互动的并行代码。

本书生产力和创造力的推进器的一个真实的完美例子。本书会让你觉得“HDF5很简单”。

这两本书在京东、当当都已经上架啦，祝大家阅读愉快！