呕心沥血，持续收集python精品书籍，觉得不错的话，请在下面点喜欢收藏，谢谢！
python 3.7极速入门教程9最佳python中文工具书籍下载
部分示例
pandas 0.23.4 官方文档.pdf
Python Data Science Handbook - 2017.pdf
- 中文版待上传
《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。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。
《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员
https://github.com/jakevdp/PythonDataScienceHandbook 近12000+ 星
Python for Data Analysis, 2nd Edition - 2017.pdf
阅读本书可以获得关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第2版针对Python3.6进行了更新，并增加了实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。
https://github.com/wesm/pydata-book 近8000星
Data.Science.from.Scratch.First.Principles.with.Python - 2015.pdf
亚马逊 4星 108评
https://github.com/joelgrus/data-science-from-scratch 3200+ 星
Python编程：从入门到实践 - 2016.pdf 初级
亚马逊 4.5星 345评论 https://github.com/ehmatthes/pcc 1000左右星
本书是一本针对所有层次的Python读者而作的Python入门书。全书分两部分：首部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy和Pygal等强大的Python库和工具介绍，以及列表、字典、if语句、类、文件与异常、代码测试等内容；第 二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D游戏开发，如何利用数据生成交互式的信息图，以及创建和定制简单的Web应用，并帮读者解决常见编程问题和困惑。
海报：
英文版：Python Crash Course - 2016.pdf
流畅的python - 2017.pdf 中级
《流畅的Python》一书致力于帮助Python开发人员挖掘这门语言及相关程序库的优秀特性，避免重复劳动，同时写出简洁、流畅、易读、易维护，并且具有地道Python风格的代码。本书尤其深入探讨了Python语言的高级用法，涵盖数据结构、Python风格的对象、并行与并发，以及元编程等不同的方面。
海报：
https://github.com/fluentpython/example-code 2000+ 星 强烈推荐
Solutions Review审查了许多机器学习书籍，根据相关性，流行度，评分，发布日期以及增加业务价值的能力，精心挑选了顶级机器学习书籍。 列出的每本书至少有15个亚马逊用户评论，评分为4.0或更高。
您将在下面找到该领域公认的领导者，专家和技术专业人员的图书库。 从数据科学到神经网络，这些出版物甚至可以提供最终端的数据和分析专业人员。
个人建议优先考虑github星级1000以上的书。
Python深度学习 Deep Learning with Python François Chollet - 2018.pdf -- 强烈推荐
- 源码 github星级 5000左右
- 页数：386
Deep Learning with Python使用Python语言和强大的Keras库引入深度学习。 本书由Keras作者，Google AI研究员FrançoisChollet撰写，通过直观的解释和实际例子帮助您的理解，涉及计算机视觉，自然语言处理和生成模型。
中文版(文字版)可以在qq群144081101等找到。
机器学习实战:基于Scikit-Learn和TensorFlow Hands-On Machine Learning with Scikit-Learn and TensorFlow - 2017.pdf
机器学习实战：基于Scikit-Learn和TensorFlow - 2018.pdf
通过使用具体的例子，最小的理论和两个可用于生产的Python框架 - scikit-learn和TensorFlow，作者AurélienGéron帮助您直观地理解构建智能系统的概念和工具。 您将学习一系列技术，从简单的线性回归开始，逐步深入到神经网络。 通过每一章的练习来帮助您应用所学的知识，有编程经验就能上手。
- 源码地址 github星级 10000左右
- 页数： 564
Machine Learning For Absolute Beginners, 2nd Edition-Oliver Theobald(2017).pdf
Machine Learning for Absolute Beginners Second Edition为完全初学者编写和设计的。简单的英语解释，无需编码经验。 在引入核心算法的地方，添加了清晰的解释和可视化示例，以便在家中轻松实现。新版本包含了第一版中未涉及的许多主题，包括交叉验证，数据清理和集合建模。
- 源码地址：后期找到补上 github星级
- 页数： 128
深度学习(deep learning) - 2017.pdf
提供了数学和概念背景，涵盖了线性代数，概率论和信息论，数值计算和机器学习中的相关概念。 它描述了工业从业者使用的深度学习技术，包括深度前馈网络，正则化，优化算法，卷积网络，序列建模和实用方法; 分析了自然语言处理，语音识别，计算机视觉和在线推荐系统等应用。
- 源码地址：暂无 github星级 20000左右
- 页数： 738 中文书 本书没有英文电子版本，但是有中文的
Python机器学习基础教程 - 2018.pdf
Introduction to Machine Learning with Python - 2017.pdf
如果您使用Python，即使是初学者，本书也将用务实的方法教您构建自己的机器学习解决方案。 您将学习使用Python和scikit-learn库创建成功的机器学习。 作者AndreasMüller和Sarah Guido专注于使用机器学习算法的应用，而不是背后的数学。 熟悉NumPy和matplotlib库将帮助您从本书中获得更多信息。
- 源码 github星级 3000左右
- 页数： 392
使用TensorFlow进行机器学习
Machine Learning with TensorFlow - 2017.pdf
使用TensorFlow进行机器学习为读者提供了机器学习概念的坚实基础，以及使用Python编写TensorFlow的实践经验。 您将通过使用经典预测，分类和聚类算法来学习基础知识。 然后，您将进入金钱章节：探索深度学习概念，如自动编码器，循环神经网络和强化学习。 摘要本书，您将准备好使用TensorFlow进行自己的机器学习和深度学习应用。“
- 源码 github星级 4000左右
- 页数： 244
