京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 苏克1900
来源 | 高级农民工
摘要:此文主要针对想入门 Python 但不知道看什么书好和有选择纠结症的童鞋,大佬们可绕道。
转眼也到了年终,这一期换个话题,围绕这几个问题:「学习 Python 该看哪些书?不同的书该怎么看?按照什么样的顺序看?」,来聊一聊如何入门 Python,为了更有说服性一些,这里我把入门时看过的一些大佬推荐的书单进行了汇总,最后结合我的学习路径谈谈怎么读书。
半年前,Python 对我来说就是谜一样的东西,根本不知道如何下手、从何处下手,整天像无头苍蝇一样到处找资源,个把月过去了还没找到 Python 大门在哪儿,主要是花了很多的时间在纠结「该学习 Python 还是 R、学习 Python3 还是 Python 2 、看什么入门书最合适?」这些问题。知乎、豆瓣、CSDN、各大佬的公众号搜罗逛了一圈下来,只明确了前两个问题,就是要学习 Python,而且是 Python3,但对于看什么书,陷入了纠结迟迟下不了手。
现在看来,这应该是属于必经的过程,当涉足一个陌生的学习领域,对什么都不了解,即使别人给的建议再对,也会掂量犹豫几下。慢慢地,我开始进行总结,把一些大佬推荐的入门书籍文章进行汇总对比,然后就发现有些书是都在推荐的,于是决定重点就看这些书,这样才算慢慢摸到 Python 的大门。
话不多说,下面就分享 5 位大佬推荐的书单,除了入门书,还包括数据分析、数据挖掘、机器学习等方面,可以说是非常全面。
▌刘志军 (Python 之禅 作者)
刘志军是位不折不扣的 Python 大佬,他博客中的 Python 文章最早可以追溯到 2013 年。
▌leoxin (菜鸟学 Python 作者)
辛哥爬取分析了豆瓣 Python 相关的 1000 多本书籍,从各个角度找到了最受欢迎的书目,然后给出了自己的推荐。
▌刘顺祥 (数据分析 1480 作者)
刘顺祥大佬的公众号干货很多,入门时学习到很多。
▌秦路 (七周成为数据分析师课程作者)
秦路大佬在天善智能社区开设的《七周成为数据分析师》课程非常棒,他的推荐也非常值得参考。
▌王大伟 (Python爱好者作者)
王大伟大佬写的文章非常有趣,我看了他的几篇关于类(Class) 的文章后才彻底搞懂类是怎么回事。
以上就是 5 位大佬的推荐,想必你心里大概有个谱了,下面再说说我看过的一些书,然后分享一下我的入门路径。
▌我都看了哪些书
你可能注意到了,以上推荐了少说也有好几十本书,范围还是有点大,就算都是值得看的书,也没么多时间精力都去看,所以上面只是入门 Python 的第一个步骤,即筛选书的范围,还有更为重要的两个步骤。
第一,首先要明确你学 Python 的目的。也就是你想学了去干嘛,是做爬虫、数据分析挖掘、机器学习、web 开发还是什么其他的,虽说不同的方向都需要有 Python 基础,但对 Python 的基础也是有所侧重,只有确定一个方向才可以进一步筛选书和书中章节的范围。
第二,确定了书的范围后,要琢磨好怎么去看每一本书、以什么样的顺序去看书。不然,同时看好几本书,每一本都从头开始看,坚持不了几天就会放弃。
下面以我入门的过程来具体说一下。
由于我此前是零编程基础,helloworld 都不会打的那种,上知乎看了几个 Python 入门的回答后,觉得用 Python 做数据分析这个方向不错,加上我此前学 Excel 时就对数据分析比较感兴趣,所以就确定了这个方向,但很快就发现行不通,因为我连基本的 Python 操作都不会,处处卡壳,时间都花在抠一个个的小问题上去了,折腾到最后也没太大兴趣去分析了,而且数据分析本身是有一套理论方法的,我更不会,如果同时学 Python 操作和分析方法,比较耗费精力,显然不可取,所以就放弃直接学数据分析这个想法。
然后我选了另外一条路,就是爬虫,因为基础的爬虫比数据分析简单,学习曲线不陡,而且爬虫比较有意思,写出来别人也更愿意看,进一步了解到初步的爬虫学习主要学几个爬虫类库、网页解析提取库、框架这几块就行了,这样一下就缩小了书的选择范围和内容范围。
至此,我就选择了「Python 基础——爬虫——数据分析」这样一条路线。
首先,我选择了《深入浅出 Python 》这本书作为入门的第一本书,该书浅显易懂,注释详尽,对新手很友好。接着,我又大致过了一遍《Python 编程从入门到实践》,前面几章写得非常实用,这样对 Python 就有了一个大致了解。
接着,便开始上手爬虫,但爬虫类的书非常少,起先只找到两本,一本是国外的《Python 网络数据采集》,书不厚,看了后大致了解了:爬虫是怎么一回事、爬虫能做什么、要会哪些东西等这几个问题,另一本是韦玮老师的《精通 Python 网络爬虫》,这本书当时觉得还不错,有很多实操案例,但是理论部分欠缺一些。
后来偶然搜到了崔庆才大佬的爬虫文章,很赞,果断就买了他刚出的《Python3 网络爬虫实战》这本书,由此算是找到了爬虫方向。
通过爬虫把数据爬下来后就开始尝试一些简单的分析,但发现很多操作根本不熟练,于是采取了两种方法去学习,首先是谷歌解决实际问题,然后闲的时候翻看了《利用 Python 进行数据分析》、《流畅的 python》、《 Python Cookbook》这几本书,算是系统地巩固了一下相关知识。
就这样,几个月下来,练习了 10 个左右的爬虫,自认为算是入门了 Python 爬虫和数据分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16