关于Python,程序江湖里从不缺少金句：「人生苦短，我用Python！」「学完Python，便可上天！」，而最近这些话从调侃正在变为事实！
上周，PYPL(编程语言受欢迎程度) 四月官方榜单已发布，Python荣获NO.1，相比去年 4 月份，今年上涨了 5.2%，成绩颇为亮眼，从去年开始，Python就开始霸占榜单长达1年，成为编程市场上份额最高的语言！
今天小编带来了6本Python和python机器学习相关新书，如果你喜欢，欢迎收藏。
作者：[美] 约翰·保罗·穆勒（John Paul Mueller）
译者： 武传海
编辑推荐：
- “达人迷”是畅销美国近30年的经典图书品牌，经过亿万读者的检验。
本书面向零基础读者，巧用类比式描述，技术知识点轻松掌握；基于案例进行讲解，读者可轻松理解编程思维，并在配套代码中参透Python编程的技巧。本书囊括5项常见任务&2项高级任，助力快速掌握Python。
除此之外，书中还有一系列的Python周边小知识，教你更好地掌握Python，活学活用Python。
作者：黄海涛
编辑推荐：
- 数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。
- 编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。
- 算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。
本书创新性地从数学建模竞赛入手，深入浅出地讲解了人工智能领域的相关知识。本书内容基于Python 3.6，从人工智能领域的数学出发，到Python在人工智能场景下的关键模块；从网络爬虫到数据存储，再到数据分析；从机器学习到深度学习，涉及自然语言处理、机器学习、深度学习、推荐系统和知识图谱等。
此外，本书还提供了近140个代码案例和大量图表，全面系统地阐述了算法特性，个别案例算法来自于工作经验总结，力求帮助读者学以致用。
作者： [印度] 尼天•哈登尼亚（Nitin Hardeniya）等
译者： 林赐
编辑推荐：
- 使用词性标注和分块的方法对文本进行整理与清洗。
- 把文本标记为句子，把句子标记为单词。
NLTK是自然语言处理领域中非常受欢迎和广泛使用的Python库。NLTK的优点在于其简单性，其中大多数复杂的自然语言处理任务使用几行代码即可完成。
本书旨在讲述如何用Python和NLTK解决各种自然语言处理任务并开发机器学习方面的应用。本书介绍了NLTK的基本模块，讲述了采用NLTK实现自然语言处理的大量技巧，讨论了一些文本处理方法和语言处理技术，展示了使用Python实现NLP项目的大量实践经验。本书主要内容包括文本挖掘/NLP任务中所需的所有预处理步骤，如何使用Python 3的NLTK 3进行文本处理，如何通过Python开展NLP项目。
书名：《Python机器学习》
作者： [印]阿布舍克·维贾亚瓦吉亚（Abhishek Vijayvargia）
译者： 宋格格
编辑推荐：
- Python机器学习实用教程
- 本书提供配套资源可供读者下载
本书通过解释数学原理和展示编程示例对机器学习进行了系统、全面的解析。共分为12章，内容涵盖了机器学习以及Python语言的基础知识、特征工程的概念与操作技术、数据可视化技术的实现、监督学习及无监督学习算法、文本分析、神经网络和深度学习、推荐系统的构建方法以及预测处理时间序列的方法等。
阅读《Python机器学习》能够加深读者对机器学习的认识和理解，从而达到理论与实践相结合、学以致用的目的。
作者： [美]加文·海克（Gavin Hackeling）
译者： 张浩然
编辑推荐：
- 掌握Python机器学习的有效工具
- 搞定scikit-learn的必备指南
近年来，Python语言成为了广受欢迎的编程语言，而它在机器学习领域也有着卓越的表现。scikit-learn是一个用Python语言编写的机器学习算法库，它可以实现一系列常用的机器学习算法，是一个不可多得的好工具。
本书通过14章内容，详细地介绍了一系列机器学习模型和scikit-learn的使用技巧。本书从机器学习的基础理论讲起，涵盖了简单线性回归、K-近邻算法、特征提取、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K-均值算法、主成分分析等重要话题。
作者： [印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)
译者： 王海玲、刘江峰
编辑推荐：
- 使用PyTorch开发神经网络的实用指南
- 提供本书彩图和源代码下载
PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上，针对Python语言发布的一个全新的机器学习工具包，一经推出便受到了业界的广泛关注和讨论，目前已经成为机器学习从业人员首选的一款研发工具。
本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。
- END -
