在过去的一年，随着 ChatGPT 大火，Python 作为学习人工智能的热门语言，仍然很受欢迎。作为最易上手的编程语言，Python 非常适合初学者，它不仅注重代码的可读性和高效性，还可以利用最少的代码实现多种可视化的效果，对初学者来说可以增加编程热情。如今，Python 已经跟各行各业结合在一起，不仅技术人要用，其他行业的人也都在使用 Python，也应了当下那句很流行的话 Python + 任何行业=王炸。本期年度书单，我们来盘点一下 2023 年图灵最受欢迎的 Python 图书 TOP15，这些书在过去的一年被读者买爆，内容简单易懂，学完即刻上手，深得技术人喜爱。推荐这些值得反复刷的 Python 好书，建议技术人一次性码住哦。
《Python编程：从入门到实践（第3版） 》
[美]埃里克·马瑟斯 | 著
袁国忠 | 译
Python 入门圣经，Python 圈最有影响力的图书，影响全球超过 250 万读者，长居 Amazon、京东等网店编程类图书榜首，真正零基础，附赠随书代码+配套视频讲解+速查手册，自学无压力。全书分两部分：第一部分介绍用 Python 编程所必须了解的基本概念，包括强大的 Python 库和工具，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 2D 游戏、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，并帮助读者解决常见编程问题和困惑。
《深度学习入门：基于Python的理论与实现》
斋藤康毅 | 著
陆宇杰 | 译
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用 Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。
《 算法图解 》
[美] 巴尔加瓦 | 著
袁国忠 | 译
最简单易懂的算法教程，像读小说一样轻松。本书长居 Amazon 算法类畅销榜前列，400 多个示意图，基于 Python 代码示例，详细介绍算法执行过程，展示不同算法在性能方面的优缺点。这本绝对是新手入门算法的必备图书。
《Python网络爬虫开发实战（第 2 版）》
Python 之父 Guido van Rossum 推荐的爬虫入门书，第 1 版销量近 100000 册。本书介绍了如何利用 Python 3 开发网络爬虫。本书为第 2 版，相比于第 1 版，为每个知识点的实战项目配备了针对性的练习平台，避免了案例过期的问题。另外，主要增加了异步爬虫、JavaScript 逆向、App 逆向、页面智能解析、深度学习识别验证码、Kubernetes 运维及部署等知识点，同时也对各个爬虫知识点涉及的请求、存储、解析、测试等工具进行了丰富和更新。
《 流畅的Python（第2版） 》
[巴西]卢西亚诺·拉马略 | 著
安道 | 译
本书是 Python 领域备受推崇的经典作品，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，写出简洁、流畅、易读、易维护，并且地道的 Python 代码。
本书着重讲解 Python 语言所独有的功能，助你成功进阶为 Python 高手。第 2 版与时俱进，教你跳出旧有经验，探索并运用地道的 Python 3 功能。第 2 版分为五部分内容：数据结构、函数即对象、类和协议、控制流、元编程。每一部分都精彩纷呈，通过丰富的示例和细致的讲解，教你充分利用 Python 特性，写出高效且现代的 Python 3 代码。
《Excel+Python：飞速搞定数据分析与处理》
流行 Python 库 xlwings 创始人亲授，教你让 Excel 快得飞起来。办公人士零压力学 Python ，轻松突破 Excel 瓶颈，拓展解决问题思路。让你告别烦琐公式和 VBA 代码，将 Excel 任务自动化，实现效率飞跃。让 Excel 和 Python 珠联璧合，避免人为错误，精准完成数据处理。
《父与子的编程之旅：与小卡特一起学Python（第3版）》
杨国其，苏金国，易郑超 | 译
原版 Amazon 最受欢迎的青少年编程图书，上到 8 岁，下到 88 岁，都可以阅读这本书！沃伦和卡特父子以亲切的笔调、通俗的语言，透彻、全面地介绍了使用Python语言进行计算机编程的世界。通过可爱的漫画、有趣的示例，生动地介绍了变量、循环、输入和输出、数据结构以及图形用户界面等基本的编程概念。相较第 2 版，第 3 版的示例使用 Python 3 而不是 Python 2，另外添加了关于网络的新内容。
本书由深度学习框架 Keras 之父弗朗索瓦·肖莱执笔，通过直观的解释和丰富的示例帮助你构建深度学习知识体系。作者避免使用数学符号，转而采用 Python 代码来解释深度学习的核心思想，包括 Transformer 架构的原理和示例。
Andreas C. Müller Sarah Guido | 著张亮（hysic）| 译
scikit-learn 库维护者和核心贡献者作品。本书主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。《深度学习入门2：自制框架》
深度学习鱼书姊妹篇，这套书做到了真正意义上的“入门”！书中没有使用内容不明的黑盒，而是从我们能理解的最基础的知识出发，一步一步地实现最先进的深度学习技术。美国物理学家费曼说：“What I cannot create，I do not understand.” 只有创造一个东西，才算真正弄懂了一个问题。这本书手把手带你创建深度学习框架，直击现代深度学习框架本质！
豆瓣评分 9.4 的畅销书《深度学习入门：基于Python的理论与实现》续作，带你快速直达自然语言处理领域！本书内容精炼，聚焦深度学习视角下的自然语言处理，延续前作的行文风格，采用通俗的语言和大量直观的示意图详细讲解，帮助读者加深对深度学习技术的理解，轻松入门自然语言处理。
李锐 李鹏 曲亚东 王斌 | 译
最畅销机器学习图书，介绍并实现机器学习的主流算法，面向日常任务的高效实战内容。全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用 Python 代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
知名计算机科学家 Michael Nielsen 作品，哈工大研究生课程参考书，李航、马少平等多位业内专家推荐。
本书深入讲解神经网络和深度学习技术，侧重于阐释深度学习的核心概念。作者以技术原理为导向，辅以贯穿全书的 MNIST 手写数字识别项目示例，介绍神经网络架构、反向传播算法、过拟合解决方案、卷积神经网络等内容，以及如何利用这些知识改进深度学习项目。学完本书，读者将能够通过编写 Python 代码来解决复杂的模式识别问题。
《用Python学透线性代数和微积分》
保罗·奥兰德｜著
以图文结合的方式帮助你用 Python 代码解决程序设计中的线性代数和微积分问题：
√ 向量几何和计算机图形
√ 矩阵和线性变换
√ 微积分的核心概念
√ 仿真和优化
√ 图像处理和音频处理
布拉德利·N. 米勒，戴维·L. 拉努姆 等 | 著吕能，刁寿钧 | 译
作为用 Python 描述数据结构与算法的开山之作，这本书是经典的计算机教材，被华盛顿大学、北京大学等多家高校采用。向读者透彻讲解在 Python 环境下，如何通过一系列存储机制高效地实现各类算法。
内容对初学者友好，开篇介绍了基于大 O 计法的算法分析，并通篇运用，使用 Python 3 讲解，语法干净。深入浅出，理论扎实，案例丰富。每章还配有练习题，方便巩固学习。
小伙伴留言说说为了学好Python，你都做过哪些尝试？也欢迎大家评论区相互安利学习Python的好书，我们会在精选留言中选出 5 位获得以上任意赠书一本。
