《Python数据分析与挖掘实战》PDF源代码 《精通数据科学从线性回归到深度学习》PDF代码 《深入浅出数据科学》PDF源代码

利用Python进行数据分析第2版》第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助高效解决一系列数据分析问题。
第2版中的主要更新了Python第三方发布版Anaconda和其他所需Python包的安装指引； 更新pandas库到2017年的新版； 新增一章关于更多高级pandas工具和一些使用提示；新增statsmodels和scikit-learn的简明使用介绍。
《利用Python进行数据分析第2版》高清中文PDF+高清英文PDF+源代码
《利用Python进行数据分析第2版》高清中文版PDF，667页，带目录和书签，文字能够复制；高清英文版PDF，541页，带目录和书签，文字能够复制；中英文两版可以对比学习。配套源代码。
下载: https://pan.baidu.com/s/1GBWd0T2K_RyLuKdq5GepOQ
提取码: gc5p

目前看了四分之一。这本书对于刚入门数据分析的小白来说非常适用，完完全全工具书，sklearn的另外三个库也有，看了当复习。<机器学习实战>和<利用python 进行数据分析>，很多深层次的东西都基于py3，代码算是比较新，推荐！
python数据科学手册: IPython/NumPy/Pandas/Matplotlib/Scikit-Learn 从实战角度出发，讲授如何清洗和可视化数据、如何用数据建立各种统计学或机器学习模型等常见数据科学任务，旨在让各领域与数据处理相关的工作人员具备发现问题、解决问题的能力。
《Python数据科学手册》中英文PDF及代码
《Python数据科学手册》高清中文PDF，474页，带书签目录，文字可以复制。《Python数据科学手册》高清英文PDF，548页，带书签目录，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1i7NnkQAj7yGISyF8_L0tcw
提取码: v3sw

《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。
学习Python的主要语法后，想利用python进行数据分析，感觉《Python数据分析与挖掘实战》可以用来学习参考，理论联系实际，能够操作数据进行验证，基础理论的内容对于新手而言还是挺有帮助的， 能从实际场景介入入手讲解，有前因后果的介绍，但是对于多个方法，为什么要采用其中某个执行方法没有细化。
张良均+《Python数据分析与挖掘实战》中文PDF+源代码
《Python数据分析与挖掘实战(张良均等)》PDF，PDF，352页，带书签；配套数据与源代码。
下载: https://pan.baidu.com/s/15_pTLuLC94gTIuFlZkOP2g
提取码: pmci

共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。在阅读过程中利用配套的案例建模数据，借助相关的数据挖掘建模工具可以快速理解相关知识与理论。
基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。
实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行，在建模过程的关键环节，穿插程序实现代码。通过上机实践可以加深对数据挖掘技术在案例应用中的理解。
10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。
数据科学内容广泛，涉及到统计分析、机器学习以及计算机科学三方面的知识和技能。
学习数据科学，推荐学习《精通数据科学从线性回归到深度学习》。
《精通数据科学从线性回归到深度学习》通俗易懂，理论和实践相结合，可供数据科学家和数据工程师学习，也适合对数学科学有强烈兴趣的初 学者使用。
《精通数据科学从线性回归到深度学习》PDF代码+唐亘
《精通数据科学从线性回归到深度学习》PDF，432页，带书签目录，文字可以复制。
配套源代码。作者：唐亘
下载: https://pan.baidu.com/s/1ECrJwOVn2tQkWckhimvThw
提取码: kpv6

针对技术书籍，最好的阅读方法是对照每一章的示例代码，动手实现所讨论的模型。这样会极大加深自己对模型的理解和实践能力，否则就会像 读小说一样，阅读时感觉不错，但实际使用时就无从下手了。配套代码则兼容Python 3和Windows系统。
《精通数据科学从线性回归到深度学习》分为13章，最初的3章主要介绍数据科学想要解决的问题、常用的IT工具Python以及这门学科所涉及的数 学基础。第4-7章主要讨论数据模型，主要包含三方面的内容：一是统计中最经典的线性回归和逻辑回归模型；二是计算机估算模型参数的随机 梯度下降法，这是模型工程实现的基础；三是来自计量经济学的启示，主要涉及特征提取的方法以及模型的稳定性。接下来的8-10章主要讨论算 法模型，也就是机器学习领域比较经典的模型。这三章依次讨论了监督式学习、生成式模型以及非监督式学习。目前数据科学最前沿的两个领域 分别是大数据和人工智能。第11章将介绍大数据中很重要的分布式机器学习，最后两章讨论人工智能领域的神经网络和深度学习。
《Python数据处理》采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内
容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化
方法，如何从网站和API中提取数据。
《Python数据处理》中英文PDF+源代码
《Python数据处理》中文PDF，402页，带书签目录，文字可以复制；英文PDF，501页，带书签目录，文字可以复制；配套源代码。
下载: https://pan.baidu.com/s/1AcDNYVCr-cakkyhmdmQUTA
提取码: qs8i

基本每一句话都不能漏掉，不然就有可能看不懂作者思路了，不过这本书思路还是比较独树一帜，和利用Python进行数据分析配合起来比较实用
，该书前半部分侧重数据收集，杂乱数据清理，清洗与格式化，后面有又有一些格式化数据的分析与研究。以及最后还介绍了爬虫。 而利用
Python进行数据分析比较适用于格式化数据的处理。
数据科学家是目前热门的职业之一。一个数据科学家所需的技能是商业洞见、数据模型思维和工程能力三位一体的结合。
《深入浅出数据科学》中文PDF+英文PDF+源代码
《深入浅出数据科学》中文PDF，336页，带书签目录，文字可以复制。《深入浅出数据科学》中文PDF，389页，带书签目录，文字可以复制。配套源代码。
下载 https://pan.baidu.com/s/1BsQvFGUq-3Q_bzjovoPIxw
提取码: iths

《深入浅出数据科学》全面介绍了成为合格数据科学家所需的知识、技能和工作流程，内容全面、技术实用。
《深入浅出数据科学》分为13章，其中第1～3章介绍数据科学；第4～8章介绍数学知识，包括统计学和概率论；第9章介绍数据可视化；第10～12章介绍机器学习；第13章介绍案例。各个章节内容均由浅入深，同时通过案例和Python代码，使读者掌握实战技能。 《深入浅出数据科学》适合有志于成为数据科学家的师生或业界新手，同时也适合经验丰富的职场老手参考。
学习数据分析，可选择《Python数据分析基础》，面向那些经常使用电子表格软件进行数据处理，但从未写过一行代码的人。前几章会教你设置Python运行环境，告诉你计算机是如何看待数据并对其进行简单处理的。你很快就能掌握在电子表格（包括CSV文件）和数据库中处理数据的方法。 刚开始，可能会觉得这样做是一种退步，如果你能熟练使用Excel，这种感受会更加强烈。
《Python数据分析基础》中文PDF+英文PDF+代码
《Python数据分析基础》高清中文PDF，278页，带目录和书签，能够复制；高清英文PDF，351页，带目录和书签，能够复制；中英文两版可以对比学习。配套源代码。
下载: https://pan.baidu.com/s/1kkMes2tlo_AAV4BbrFIl1w
提取码: 9daw

NumPy是一个优秀的科学计算库，提供了很多实用的数学函数、强大的多维数组对象和优异的计算性能，不仅可以取代Matlab和Mathematica的许多功能，而且业已成为Python科学计算生态系统的重要组成部分。但与这些商业产品不同，它是免费的开源软件。
推荐学习《Python数据分析基础教程NumPy学习指南第2版》，通过书中丰富的示例，学会Matplotlib绘图，并结合使用其他Python科学计算库（如SciPy和Scikits），让工作更有成效，让代码更加简洁而高效。
《Python数据分析基础教程NumPy学习指南第2版》中文PDF+英文PDF+代码
《Python数据分析基础教程NumPy学习指南(第2版)》高清中文版PDF，249页，带目录和书签，文字能够复制；
高清英文版PDF，310页，带目录和书签，文字能够复制；配套源代码。
下载: https://pan.baidu.com/s/1va_nEixjFGAT_3dwvE9MHw
提取码: vri2


数据科学是一个蓬勃发展、前途无限的行业，有人将数据科学家称为“21世纪头号性感职业”。本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。
学习后可以：
学到一堂Python速成课；
学习线性代数、统计和概率论的基本方法，了解它们是怎样应用在数据科学中的；
掌握如何收集、探索、清理、转换和操作数据；
深入理解机器学习的基础；
运用k-近邻、朴素贝叶斯、线性回归和逻辑回归、决策树、神经网络和聚类等各种数据模型；
探索推荐系统、自然语言处理、网络分析、MapReduce和数据库。
《数据科学入门》高清中文版PDF+高清英文版PDF+源代码
高清中文版PDF，310页，带目录，文字能够复制；高清英文版PDF，330页，带目录，文字能够复制；配套源代码；
下载: https://pan.baidu.com/s/14ahXuhxYGxj3GQJ5yMaTng
提取码: mxgs

《数据科学实战》包含数据科学的各个层面，是相关专家客座课堂讲义的分析和总结。相对比较烧脑的是算法的原理解释与过程，从通用的分类、聚类算法的，k近邻、k均值，朴素贝叶斯，决策树，到应用在金融、推荐系统等业务领域的案例与分析，深浅适宜。
很喜欢此书，data science的方法是各种统计学计算机方法的综合，所以所有对统计学有较好的数理基础，对各种统计推断方法或数据挖掘算法有较好理解的童鞋可以通过翻阅此书，从各个角度打开对data science的认知。以R\Python\Shell三种语言的代码为每章核心内容加上了编程案例，实在是fabulous。尽管各种案例都不难，但是重在揭示这些编程在实际应用中的作用，和角色。 总而言之，是所有想向data scientist 发展且具备良好统计、计算机素养的童鞋的必读书。
《数据科学实战》中文PDF+英文PDF+数据集
《数据科学实战》中文PDF，337页，带书签目录，文字可以复制；英文PDF，405页，带书签目录，文字可以复制；配套数据集
下载: https://pan.baidu.com/s/1o_upWJSgoOKLWIm-sHoe-Q
提取码: 1km6

《从零开始学Python数据分析与挖掘》PDF+刘顺祥
《从零开始学Python数据分析与挖掘》PDF，476页，带目录，文字可以复制。配套源代码。作者: 刘顺祥
下载: https://pan.baidu.com/s/18AsMrXppZ893R06jQCmNoQ
提取码: uckh

《从零开始学Python数据分析与挖掘》以Python3版本作为数据分析与挖掘实战的应用工具，从Python的基础语法开始，陆续介绍有关数值计算的Numpy、数据处理的Pandas、数据可视化的Matplotlib和数据挖掘的Sklearn等内容。共涵盖15种可视化图形以及10个常用的数据挖掘算法和实战项目，通过学习，可以掌握数据分析与挖掘的理论知识和实战技能。
一共包含16个章节，内容涉及Python的基础入门知识，数据分析案例(基于numpy模块，pandas模块的各种数据预处理的讲解；基于matplotlib模块，seaborn模块讲解常用统计图形的绘制过程)，数据挖掘案例(基于sklearn模块，传递十种数据挖掘模型的理论讲解和应用实战，如回归模型，决策树模型，集成树模型，knn模型，贝叶斯模型等)。非常适合入门数据挖掘，值得推荐和学习。
适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。
数据挖掘的理论知识可以用于挖掘社会媒体数据。
社会媒体挖掘用于解决社会媒体数据的问题，涉及网络分析和数据挖掘的基本概念、新问题以及有效的算法。
社会媒体挖掘培养出了一类新的数据科学家（data scientist），这些科学家精通社会学和计算科学理论，能够分析棘手的社会媒体数据，并且熟练地运用已经掌握的技能和理论（社会学和计算科学理论）以及一些计算工具，帮助我们探索广阔的社会媒体世界。
《社会媒体挖掘》中文PDF+英文PDF+课件+Social Media Mining An Introduction
《社会媒体挖掘》中文PDF，257页，带目录，文字可以复制。
《社会媒体挖掘》英文PDF，338页，带目录，文字可以复制。
下载: https://pan.baidu.com/s/1mncD8w22rw-Q2ditLFa4Uw
提取码: gx8m

作者: 扎法拉尼 (Reza Zafarani) / 阿巴西 (Mohammad Ali Abbasi) / 刘 (Huan Liu)
译者: 刘挺/秦兵/赵妍妍
英文名：Social Media Mining An Introduction
《社会媒体挖掘》集成了近年来社会媒体、社会网络分析以及数据挖掘的前沿成果，为学生、从业者、研究人员和项目经理提供了一个方便的平台，以便理解社会媒体挖掘的基础知识和潜能。
《社会媒体挖掘》介绍一些基本概念以及适用于研究大规模社会媒体数据的主要算法，并从不同的学科（如计算机科学、数据挖掘、机器学习、社会网络分析、网络科学、社会学、人种学、统计学、最优化以及数学）视角讨论相关理论和方法。此外，本书还会介绍一些有用的工具，这些工具能够从大规模社会媒体数据中形式化地表示、衡量、建模和挖掘有意义的模式。


随着信息技术的发展和硬件设备成本的降低，当今的互联网存在海量的数据，要想快速从这些数据中获取更多有效的信息，数据可视化是重要的一环。
Python在数据分析领域的广泛应用离不开其强大的开源模块的支持，大名鼎鼎的NumPy、SciPy、StatsModels、Pandas等模块的建立与发
展奠定了Python在数据分析领域中的重要地位。这些模块简单又好用，它们提供的解决方案能够满足绝大部分业务需求。在人工智能领域，Python也有非常棒的解决方案，如 Sklearn、TensorFlow、MXNet、Theano、PyTorch、Caffe等都是非常好的开源模块。尤其在人工智能中最前沿的深度学习领域，Python几乎占据了霸主的地位。Python借助在数据分析领域中开源模块的优势，在量化投资领域逐渐占据了领头羊的地位。国内外主流量化投资网站大多支持Python语言，其在量化投资领域有一种逐渐淘汰其他语言，一统“江湖”之势。
《Python 数据分析基于Plotly 的动态可视化绘图》PDF+代码
《Python 数据分析基于Plotly 的动态可视化绘图》PDF，552页，带书签目录，文字可以复制，配套源代码。
下载: https://pan.baidu.com/s/1jpIF6ZNAgsUm2A4R9-WF1g
提取码: 286w

《Python 数据分析基于Plotly 的动态可视化绘图》主要介绍Plotly在可视化各领域的应用，包括基础绘图、数据处理、网页开发、程序
GUI、机器学习和量化投资等，方便读者对Plotly快速上手。Plotly有着自己强大又丰富的绘图库，支持各种类型的绘图方案。Plotly是基于JavaScript的绘图库，所以其绘图结果可以与Web应用无缝集成。总之，Plotly在绘图模块上是Matplotlib强有力的竞争对手，Plotly绘图的种类丰富、效果美观、易于保存与分享，因而越来越受数据分析人士的喜爱。
刚好想学python，里面的各个点都涉及到，值得花时间去研究。因为本身自己是因为想学黑客编程，但听说脚本语言常用是python，所以决定学一学python，但又不想走马观花式地仅学它的语法，所以刚好遇到这本以算法去介绍python的书，及时雨。另外，算法的确是个内功心法的东西，不是短时间能迅速提高编程能力的东西，但是，它却又是随着你投入越多时间研究越会帮你走得越远。用python去阐述算法，适合对python和算法感兴趣的人。
《Python数据可视化之matplotlib实践》PDF+《Python程序员面试算法宝典》PDF
《Python程序员面试算法宝典》PDF，296页，带书签目录，文字可复制。
《Python数据可视化之matplotlib实践》PDF，248页，带书签，文字可复制。
下载: https://pan.baidu.com/s/1FuEtsrEfXROGWnkyozUYLw
提取码: s3p9

《Python程序员面试算法宝典》讲解程序员面试笔试算法，代码采用Python语言编写，除了讲解如何解答算法问题以外，还引入了例子辅以说明，更容易理解。
几乎将程序员面试笔试过程中算法类真题一网打尽，在题目的广度上，通过各种渠道，搜集了近3年来几乎所有IT企业面试笔试算法的高频题目，所选择题目均为企业招聘使用题目。在题目的深度上，由浅入深，庖丁解牛式地分析每一个题目，并提炼归纳。同时，引入例子与源代码、时间复杂度与空间复杂度的分析，这些内容是其他同类书籍所没有的。根据真题所属知识点进行分门别类，结构合理，条理清晰，进行学习与检索意义重大。