《笨方法学Python》、《流畅的python》、《EffectivePython：编写高质量Python代码的59个有效方法》、《PythonCookbook》。《利用Python进行数据分析（原书第2版）》、《Python数据科学手册（图灵出品）》。
《Python核心编程（第3版）》是经典畅销图书《Python核心编程（第二版）》的全新升级版本，总共分为3部分。第1部分为讲解了Python的一些通用应用；第2部分讲解了与Web开发相关的主题；第3部分为一个补充/实验章节，包括文本处理以及其他内容。
《Python核心编程（第3版）》该书是经典畅销图书《Python核心编程（第二版）》的升级版，详解通用应用和Web开发。总共分为3部分，全面涵盖当今应用开发中的众多领域，涵盖大量实用的代码案例，每章末尾的习题有助于巩固所学知识，为中级Python开发人员提供实践方法。
Python基础教程：是经典的Python入门教程书籍，本书层次鲜明，结构严谨。这本书既适合初学者夯实基础，又能帮助Python程序员提升技能，即使是Python方面的技术专家，也能从书里找到实用性极强的内容。
学习Python时，推荐初学者阅读《Python Crash Course》。这本书适合零基础的学习者，通过实践项目快速掌握Python基础。 对于希望深入学习Python的人来说，《Python Learning Manual： 3rd Edition》是一本不错的选择。
数据处理完成，并不意味着分析的结束。Python数据分析的核心在于数据建模与分析。matplotlib、回归算法等工具，用于对数据进行分类建模，为深入分析提供支撑。数据可视化 数据分析的最终成果，往往通过图表、三维图像等形式展现。直观的视觉化，使Python数据分析结果易于理解。
首先，了解Python的数据结构和基本函数是入门的基石，例如向量、列表、数组、字典等，以及Python的各种函数和模块。推荐学习教程，通过观看全集547集的视频，从第110集开始，逐步掌握Python的基础知识，完成文件基础操作、构建面向对象编程思想，并通过实战案例如飞机大战，提高编程实践能力。
python数据分析要学4点：熟练地使用数据分析主流工具。数据库、数据采集核心技能。数据分析高级框架。实际业务能力与商业分析。自然智能，指人通过大脑的运算和决策产生有价值的行为。
Python基础知识：作为入门数据分析的工具，首先需要掌握Python的基本语法和数据结构，如变量、列表、字典、循环和条件语句等。这些基础知识是后续数据分析的基石。数据处理与清洗：数据分析的第一步是数据处理与清洗，因此需要学习如何使用Python中的相关库（如Pandas）对数据进行加载、处理和清洗。
数据分析师需要掌握的课程可以分为五个主要领域：统计学、编程语言、数据库管理、数据可视化以及机器学习和人工智能基础。 统计学：作为数据分析的基石，统计学涵盖了描述性统计、推断性统计、假设检验和回归分析等概念。这些知识对于分析数据模式、趋势和关系至关重要。
首先学习一点python基础的知识，Python语言基础，函数，文件操作，面向对象，异常处理，模块和包，Linux系统使用，Mysql数据库等；其次就可以学习一些基本的爬虫，进行数据采集，当然也有很多爬虫工具，直接使用即可。
numpy提供了多种特殊常量，如`inf`、`nan`、`pi`等，用于数学计算和数据处理。此外，numpy的`random`子模块提供了多种随机数生成器，包括均匀分布、正态分布等，广泛应用于模拟和统计分析。
算术运算与封装函数Numpy支持Python原生算术运算符，如加减乘除，并以封装函数形式提供，如add函数的 +。 绝对值与三角函数np.absolute和np.abs是Numpy的绝对值函数，可用于处理复数，计算复数的模。三角函数如cos、sin、tan及其逆运算也一应俱全。
本文全面覆盖了数据科学中常用的Python库与深度学习框架，从基础工具到深度学习应用。学习路径包括：基础工具：NumPy与Pandas提供数据处理与分析工具。数据可视化：Matplotlib与Seaborn用于数据可视化。时间序列处理：Pandas支持时间序列数据处理。机器学习：Scikit-Learn实现数据准备、模型训练与性能评估。
使用时，通常约定导入为import numpy as np。数组（ndarray）由实际数据与描述这些数据的元素组成。可通过.shape查看数组的形状，.dim查看数组的维数。向量（vector）是数组的一种特殊形式，即一维数组，也最为常用。NumPy提供了多种方法创建一维向量与二维数组。
几乎所有的Python数据分析师都充分利用NumPy的强大功能。安装Python库的方法：Windows：按下快捷键Win + R，输入cmd回车，进入命令行。Mac：启动终端。启动jupyter：在终端输入指令：jupyter notebook，指定jupyter启动的目录，对应浏览器上的目录。