Python科学计算的推荐学习资料

本文参考了Recommended reading to get started with Python for science and data analysis | Leonardo Uieda的大部分内容。

本文原发表于：http://www.xiaoledeng.cn/2017/03/30/Python1-RecommendedReading/

有一些csv/txt/xyz等文件，想快速导入到Python里面。

getting-started-python.png

建议

• 不要从一般的Python编程的书籍/网址/手册/视频开始学习Python。因为这些资源都是为编程者使用，而不是科学家。因为作为科学家，研究的问题是：如何加载这些数据(当然，不是numpy.loadtxt)；而不是深入地研究字符串格式和相关知识。

• 从Software Carpentry lessons开始学习Python。如果可能，课程都看一遍。Software Carpentry lessons的所有知识将会使你的生活更容易。如果你没有足够的时间，仅仅关注“Programming with Python”和“Version Control with git”这两个课程（毕竟，这是Python科学计算）。这些课程并不是很详细，而是告诉你什么是已经有的，什么是你应该通过Google自己查找的。

• 当你对Python感兴趣之后，可以试着找更详细的资料。

  • 这里，强烈推荐：Scipy Lecture Notes；
  • 当然，如果你喜欢纸质版和足够的钱，推荐两本书（请注意，我没有读过这些书，所以我不能保证它们（但我看过好的评论））：
    • Anthony Scopatz和Katy Huff的书《Effective Computation in Physics - O'Reilly Media》；
    • Jake VanderPlas的书《Python Data Science Handbook - O'Reilly Media》；

• 现在你已经有了基础知识，使用项目文档找到你想要的特定指令，如：NumPy和Matplotlib gallery等。

从现在开始，学习新事物将是一个连续的过程。Leonardo Uieda一直在Python编程10年，每过一段时间，Leonardo Uieda仍然会学到一些新的东西，通常会减少必须编写的代码量（代码少=错误少）。关键是要保持消息灵通，你可以通过订阅一些（或全部）：
1、Planet SciPy：Python科学计算的博客聚合器；
2、Talk Python To Me Podcast；
3、Python Weekly: A Free, Weekly Python E-mail Newsletter；

末了的话，学习一种技能，可能会在危机时刻拯救你！