前言：

在选择数据分析入门的经典书籍时，有这么几本书不能不说，在国内也有非常好的口碑。

他们分别是《用Python进行数据分析第一版》：

《用Python进行数据分析第二版》

（至于我为什么要把两个版次的同一本书都提及，这里给大家提个醒，有些无良厂家喜欢把两本捆绑起来卖，但是所讲述的内容大差不差，属实没必要，大家买纸质书时要格外注意。)

耗子书的作者 Wes McKinney 就是 pandas 库的主要作者，但这本书的结构并不是围绕着 pandas 库而展开的——不然就直接去看 pandas 文档好了。

这本书的结构超越了某个库或者某个语言，最核心的部分是以数据分析的工作流展开的，从数据载入、数据清洗、数据规整到数据可视化、数据建模。这种结构对于不熟悉数据分析工作流的读者是非常有帮助的。

《Python数据科学手册》

《Python数据科学手册》这本书的结构非常扁平，就 5 章。第 1 章着重介绍了作者偏爱的 IPython 的各种用法，然后 NumPy, pandas, matplotlib 各一章，第 5 章是机器学习。整体是以知识逻辑去组织的。

配套资源

而在看完以上的书籍后，面对Python基础、导入数据、Jupyter Notebook、Numpy基础、Matplotlib绘图、Pandas基础和进阶、Scikit-Learn、Keras等具体操作的知识时，经常很容易忘记。

在学习函数时，也总是会有很多函数学得很快，遗忘得也很快。但其实在学习中，我们并不需要很深层次的理解，只需要知道相关参数，加以调整就够了。

这里分享一份由DataCamp大佬整理的Python科学速查表，就可以帮你解决以上的问题。当你在练习的时候，能够让你迅速地找到对应的函数，很方便的掌握Python。

（中文版由“呆鸟的Python数据分析”翻译，感谢大佬）

一、python基础、数据的导入

二、数据科学计算

Numpy是Python数据科学计算的核心库，提供了高性能的多维数组对象及处理数组的工具。

Matplotlib是Python的二维绘图库

Pandas是基于Numpy创建的Python库

三、机器学习和深度学习方面

Scikit-learn通过统一的界面实现机器学习、预处理、交叉验证及可视化算法。

Keras是强大、易用的深度学习库，基于Theano和TensorFlow提供了高阶神经网络API，用于开发和评估深度学习模型。

根据文件的不同，我把它们分成了两个版本：

英文版

中文翻译版：

一共二十余份的内容再加一份Python的语法速查表，足以让你的学习生涯变得轻松几分。

以上的文档已经准备好了，领取方式如下：