基於我豐厚的收藏，我來回答這個問題再合適不過了。

我們把Python資料分析拆解為兩點：

第一，我們要學會Python的基本使用；第二，我們要學會Python的資料分析庫（假設你已經有了資料分析的基本理解，只是不清楚如何用Python完成資料分析工作）。

因此，我們針對兩個目的，分別列出一些書目。

Python的使用《Python程式設計：從入門到實踐》：拋棄那些大部頭吧，我們不是Python後端工程師，不是Python前段工程師，也不是Python全棧開發者，我們暫時不需要掌握那麼多亂七八糟的功能。對於新手來說，二八法則永遠適用，我們只需要掌握百分之二十的功能，就足以應對絕大多數的工作了。《Python程式設計快速上手-讓繁瑣工作自動化》：同上，兩部都是比較好的入門書，可以幫助我們簡單、快速地上手。《Python3 Cookbook》：這本書可以幫助你更加深入地探索Python3，裡邊有各種各樣翔實的案例，假如你的目的只是學會使用Python做資料分析，這本書完全可以保證你在Python3的使用上沒有短板。關於資料分析《利用Python進行資料分析》第二版：這本書是Python資料分析領域聖經一般的書籍，作者是強大的資料分析庫Pandas的作者，他在書中講解了numpy、pandas、matplotlib等庫，作為入門書再好不過了。更重要的是，這本書由淺入深，可以開啟我們使用Python進行資料分析的大門。《Python資料分析》第二版：非同步社群有中文第二版，裡邊更加深入地探討了如何使用Python進行資料分析工作，包括了對統計學、線性代數、視覺化、時間序列、資料庫、自然語言處理、機器學習等方面的內容，這本書可以幫助我們更進一步關於資料探勘《資料科學入門》：從零開始踏入資料科學的大門，搭建屬於自己的資料分析、資料探勘工具。它能幫助我們更加深入地理解資料分析和資料探勘的過程。《Python資料科學手冊》：強烈推薦，這部分由淺入深，詳細講解了資料分析、資料探勘、機器學習的流程。《機器學習實戰》：經典書，但是使用的是Python2，年頭也比較久了，也是從零搭建機器學習的模型，對於我們深入理解機器學習的過程有很好的幫助。關於資料視覺化《Python資料視覺化程式設計實戰》第二版：很詳細的書。《Python資料視覺化之matplotlib實踐》：極好的matplotlib入門書，非常適合新手學習。

由於Python如日中天，因此Python資料分析相關的書籍非常多，我們能認真讀完幾本，基本上都可以掌握大多數的資料科學流程。下邊是我收藏的一些書，感興趣的可以自己搜尋一下，網上有正版出售，比如圖靈社群、非同步社群、華章數媒、博文視點等均有優質IT書籍出售，包括紙質版和電子版。

不邀自來。感覺這個問題就是為我而設的啊！

推薦兩本口碑爆棚的Python演算法&資料結構書。

1. 演算法圖解

全書涵蓋400多個示意圖，生動介紹了演算法的執行過程。展示不同演算法在效能方面的優缺點，教會你用常見演算法解決每天面臨的實際程式設計問題。

2.Problem Solving with Algorithms and Data Structures Using Python SECOND EDITION Python演算法入門最佳！每一頁都值得讀！ 一邊翻翻這本書一邊刷題開始了我*真正*對程式設計的入門和喜愛！

這是豆瓣讀者給這本書的評價。它還有很多好評，比如亞馬遜4.3星好評。

豆瓣評分9.3。

這是一本用Python描述資料結構與演算法的開山之作，能讓你洞徹資料結構與演算法，真正精通Python。

如果把編寫程式碼比作行軍打仗，那麼要想稱霸沙場，不能僅靠手中的利刃，還需深諳兵法。Python是一把利刃，資料結構與演算法則是兵法。只有熟讀兵法，才能使利刃所向披靡。

它還是一本被眾多高校採用的經典計算機科學教材，一本能真正幫技術人員解決程式設計問題的“答案之書”。

你肯定在學習解決問題的基本方法上投入過大量的時間，並且相信自己擁有根據問題描述構建解決方案的能力。你肯定也體會到了編寫計算機程式的困難之處。大型難題及其解決方案的複雜性往往會掩蓋問題解決過程的核心思想。

計算機科學被認為是一門利用計算機來解決問題的學科，瞭解資料結構與演算法是透徹理解計算機科學的前提。這本書讓我們可以掌握資料結構與演算法的基本思想，從而有信心探索任何程式設計難題的解決方法。

它由在計算機科學領域深耕數十載，有著豐富實戰經驗的 Bradley N. Miller 和 David L. Ranum 合著。

布拉德利·米勒（Bradley N. Miller）

美國路德學院計算機科學名譽教授，曾獲美國計算機協會軟體系統獎，對Python課程開發有深入研究，由他創立的互動式教科書平臺Runestone Interactive與全球600多家教育機構有合作。

戴維·拉努姆（David L. Ranum）

IBM Watson認知軟體工程師，醫學資訊學博士，致力於利用自然語言處理等人工智慧技術解決醫療問題，曾在美國路德學院講授計算機科學課程近三十載。

當然，不看英文書，還有中文版可以選擇。

本書中文版已由圖靈引進出版，由Twitter工程師呂能和騰訊工程師刁壽鈞聯合翻譯。

呂能

Twitter軟體工程師，開源專案Apache Heron的核心貢獻者。先後在浙江大學和美國加州大學洛杉磯分校取得計算機科學學士學位和碩士學位，關注分散式實時資料引擎系統的研發，熱衷於普及計算機技術知識。

刁壽鈞

騰訊優圖實驗室後臺開發工程師，畢業於復旦大學。先後從事過廣告業務與智慧零售、智慧社群業務的開發工作。熱愛演算法與資料庫技術，曾協助組織IMG社群的技術沙龍活動。另譯有《資料分析實戰》。

本書結構

本書緊緊地圍繞著運用經典資料結構和技術來解決問題。下面的組織結構圖展示了充分利用本書的不同方式。

本書試讀

試讀第1章，做一些背景知識的準備，複習了一下計算機科學、問題解決、面向物件程式設計以及Python。基礎紮實的人可以跳過，去學習第2章。不過，正所謂溫故而知新，適當的複習和回顧必然是值得的。

Python資料結構與演算法分析（第2版）-圖書-圖靈社群www.ituring.com.cn

希望這兩本書能幫助到題主，學習完Python基礎語法後，儘快實現Python進階。

１、Python金融大資料分析

Python憑藉其簡單、易讀、可擴充套件性以及擁有巨大而活躍的科學計算社群，在需要分析、處理大量資料的金融行業得到了廣泛而迅速的應用，並且成為該行業開發核心應用的程式語言。《Python金融大資料分析》提供了使用Python進行資料分析，以及開發相關應用程式的技巧和工具。

《Python金融大資料分析》總計分為3部分，共19章，第1部分介紹了Python在金融學中的應用，其內容涵蓋了Python用於金融行業的原因、Python的基礎架構和工具，以及Python在計量金融學中的一些具體入門例項；第2部分介紹了金融分析和應用程式開發中重要的Python庫、技術和方法，其內容涵蓋了Python的資料型別和結構、用matplotlib進行資料視覺化、金融時間序列資料處理、高效能輸入/輸出操作、高效能的Python技術和庫、金融學中需要的多種數學工具、隨機數生成和隨機過程模擬、Python統計學應用、Python和Excel的整合、Python面向物件程式設計和GUI的開發、Python與Web技術的整合，以及基於Web應用和Web服務的開發；第3部分關注的是蒙特卡洛模擬期權與衍生品定價實際應用的開發工作，其內容涵蓋了估值框架的介紹、金融模型的模擬、衍生品的估值、投資組合的估值、波動率期權等知識。

《Python金融大資料分析》適合對使用Python進行大資料分析、處理感興趣的金融行業開發人員閱讀。

２、Python統計分析

本書主要介紹了Python在統計資料分析中的應用，內容涵蓋連續、離散和分類資料的常見統計檢驗，以及線性迴歸分析、生存分析和貝葉斯統計等主題。 本書的特色：針對每種檢驗方法，提供了Python解決方案的程式碼和資料，以及便於實際操作的Python示例。藉此，讀者可以重現這些問題並加強他們對這些統計分析方法的理解。本書所用資料主要來自生命科學和醫學科學，因此對這些領域的學生可能更有針對性。不過，本書也介紹了Python的基礎知識以及一些統計學的基礎知識，任何想要進行統計資料分析的人都可以閱讀本書。

３、跟著迪哥學Python資料分析與機器學習實戰

本書結合了機器學習、資料分析和Python語言，透過案例以通俗易懂的方式講解了如何將演算法應用到實際任務。 全書共20章，大致分為4個部分。第一部分介紹了Python的工具包，包括科學計算庫Numpy、資料分析庫Pandas、視覺化庫Matplotlib；第2部分講解了機器學習中的經典演算法，例如迴歸演算法、決策樹、整合演算法、支援向量機、聚類演算法等；第3部分介紹了深度學習中的常用演算法，包括神經網路、卷積神經網路、遞迴神經網路；第4部分是專案實戰，基於真實資料集，將演算法模型應用到實際業務中。 本書適合對人工智慧、機器學習、資料分析等方向感興趣的初學者和愛好者。

４、Python資料分析 第2版

本書就是一本介紹如何用Python進行資料分析的學習指南。全書共12章，從Python程式庫入門、NumPy陣列和Pandas入門開始，陸續介紹了資料的檢索、資料加工與儲存、資料視覺化等內容。同時，本書還介紹了訊號處理與時間序列、應用資料庫、分析文字資料與社交媒體、預測性分析與機器學習、Python生態系統的外部環境和雲計算、效能最佳化及分析、併發性等內容。在本書的最後，還採用3個附錄的形式為讀者補充了一些重要概念、常用函式以及線上資源等重要內容。

本書延續了上一版示例豐富、簡單易懂的優點，非常適合對Python語言感興趣或者想要使用Python語言進行資料分析的讀者參考閱讀。

有java經驗的學python應該很容易的，可以用個純粹的文字編輯器比如editplus之類的 先上手寫點簡單的， 比如讀取excel資料報表做一些統計計算然後再用一些柱狀圖之類的輸出，java當然也是有很多成熟的包可用，但是python更加簡單，估計不足百行就可以完成，因為用python讀個excel再畫個報表太簡單太簡單了，引入幾個庫就可以了。 還是多動手寫吧， 先把python的語法線上的看一遍。