上次的好书推荐栏目，我们发动大家留言聊聊自己喜欢的 Python 书，小然收到了很多读者留言推荐。结合推荐要求、发布内容等标准，我们选出了 5 位小伙伴的推荐留言组成了这次的推荐书单，大家康康都有哪些书入选了呢？有你正在读的那本吗？（PS：读者留言有个别语句不通顺的地方，在保证原意的基础上稍稍作了调整，其他都是读者真实原句。）
《Python编程：从入门到实践（第2版）》
作者：[美]埃里克·马瑟斯（Eric Matthes）译者：袁国忠
热销超 100 万册
理由：一本不可多得的，能够让初学者能够读下去、入门的书籍。
学到了哪些知识：本书知识结构的话，还是比较简单。仅能够让有兴趣的同学们进行入门。自身而言，最后按照书籍，做出了飞机大战的游戏，更多的还是如上文所言，让我感了兴趣，入了门。（ps:当中也参考笨方法学 PY 和一些网络课程的话，会学的更多）
得到什么启发：师傅（一本好的书，让学习的门槛降低）领进门，修行（想继续前进，就要很努力，后期可买大话数据结构、py 基础教程、SQL、活文档等书籍吧）看个人吧。
适合什么样的读者：初学者、感兴趣的人。
个人学习过程中：因工作岗位原因信息化，所以需要一些技术当基础，就机缘巧合的买了这本书，刚看完，好像就出了新版。本书不像其他的书籍，确实是一本比较浅显易懂、能够让人静下心读下去的书，真的是名副其实。后来，也买了前端的红宝书，虽然也是赞誉很佳，质量好，但对于初学者而言，对比下来，《Python编程：从入门到实践》这本书更做到了普适性的效果。推荐一下这本书，信息化、产业数字化的时代，艺多不压身，学学软件，也能够提高逻辑能力。就这么多吧，买书如山倒，看书如抽丝。
《深度学习入门： 基于Python的理论与实现》
作者：斋藤康毅
日本深度学习入门经典畅销书
长期位列日亚“人工智能”类图书榜首，超多五星好评
我一直认为，一本好书最应该做到的而又最难做到的就是让读者能够沉浸其中，忘记自己是在看书，像是直接面对面的和作者在交流。特别是这种知识类书籍，经常会因为突兀地引入一些新的概念而引起读者的困惑，增加读者的焦虑。但是如果铺垫了太多的基础知识，又会让另一部分读者觉得冗长乏味，如何照顾好挑剔的读者其实是需要下一番苦功夫的。这本书就很好的做到了这一点，通过适当的引入基础知识，能够一层一层抽丝剥茧，最终将深度学习的线条展现在读者眼前。
另外本书的源码也是一个亮点，没有直接调用成熟的深度学习框架，而是使用最基本的 Numpy 操作自己构建网络。这种方式是我个人最喜欢的学习知识的方式，通过自己去实现，从而了解这个领域的核心原理。读完这本书，我觉得对我而言作者在前言中的承诺做到了：从底层理解了误差反向传播、卷积运算等核心原理，了解了深度学习常用的实践技巧。
《Python深度学习》
作者：[美] 弗朗索瓦•肖莱（François Chollet）译者：张亮（hysic）
Keras之父、Google人工智能研究员François Chollet执笔
本书自出版以来收到众多好评，因为是 Keras 作者写的书，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN，RNN 到 GAN 等等，总体偏入门，但也承载着很多作者对深度学习整体性的思考。值得一提的是作者推荐用 GPU 跑书中的例子，这不是开玩笑， 用 CPU 跑你会感到很绝望的。
本书代码都放在作者的 [Github] 上，基本与书中内容一致，当然很多内容的解释在书中会更详细一些。Keras 的文档很全，对新手也比较友好，所以很多人觉得看文档就行，没必要看书，其实书和文档各有优缺点。
书最大的优点是框架性，能提供一个“整体视角”，让读者在脑中建立一个完整的地图，知道哪些常用哪些不常用，再据此针对性地查漏补缺就比较方便了，而如果直接查文档面对海量的 API 往往会无所适从。然而书因为要照顾整体性，必然会抛弃一些与主旨无关的内容或细节，而这正是文档的优点，可以把所有内容都囊括进来，不需要太考虑整体可读性。而且查文档有种探宝的意味，时常不经意间发现了一个神奇的功能居然被实现了。
《流畅的Python》
作者：[巴西]卢西亚诺·拉马略（Luciano Ramalho）译者：安道，吴珂
Python 核心开发人员担纲技术审校
在本书中学到了很多基础的 python 思想。阅读之后可以利用书中的知识来优化自己的代码，更好地实现自己的想法，更高效地阅读源码和社区讨论帖。本书适合中级和高级的 python 用户来提升自己对于 python 语言特性和高级用法的理解。作者是一名高级 python 程序员也是一名 python 教师。在书中，作者旁征博引，从一个使用者而不是设计者的角度叙述了 python 的各类特性。内容经常涉及到与 java，C 等语言的比较。作者会给出 pyCon video 和 email list 作为参考链接。书中绝大部分调用的库都是 python 基础库，比如 collections，functools，itertools，这些库其实远比 numpy，pandas 覆盖面更广，有些操作和想法无法使用 numpy，pandas 去实现的时候，不妨去 python 的基础库中寻找答案。从数据科学的角度来考虑，建议先掌握算法和数据结构，然后再看本书。《Python数据结构与算法分析》
作者：[美] 布拉德利·米勒（Bradley N. Miller）， 戴维·拉努姆（David L. Ranum）
经典计算机科学教材
理由：Python 是一门非常适合于讲解算法的语言，语法干净简洁，用户环境直观，基本的数据类型十分强大和易用。其交互性在不需要额外编写驱动函数的情况下为测试数据结构单元提供了直观环境。而且，Python 为算法提供了教科书式的表示法，基本上不需要再用伪代码。这一特性有助于通过数据结构与算法来描述众多与之有关、相当有趣的现代问题。
结合这本书可以使我们掌握数据结构与算法的基本思想，掌握栈、队列、列表等抽象数据类型，掌握大 O 记法和时间复杂度等概念，利用递归解决汉诺塔问题，实现常用的搜索算法和排序算法，并分析性能，掌握树与图在 Python 中的应用。
总之是一本非常好的用来学习算法的书籍。
本期书单就是由大家倾力推荐的 Python 好书了。如果你还有更多好书推荐，欢迎在下方留言哦~以上被选中的留言，小伙伴可以在评论区留下您的姓名地址电话，我们将送出图灵专享书签+蟒蛇T恤一个。放心，个人信息我们不会公开的~好书推荐，我们下期再见！
让我知道你“在看”☟
