Python 适用于数据处理与分析的显著特点，是其具有大量的标准模块、附加模块以及函数，可以非常方便地完成一般的数据处理与分析操作。内建库和标准库中的模块和函数是Python 的标准配置，所以只要你下载并安装了Python，就可以立即使用这些内建的模块和函数。
一、《Python数据处理》
这本资料采用基于项目的方法，介绍用Python 完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python 基础知识，如何从CSV、Excel、XML、JSON 和PDF 文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API 中提取数据。
全书共计12个章节，403页内容。
第1章Python 简介
第2章Python 基础
第3章供机器读取的数据
第4章处理Excel 文件
第5章处理PDF 文件，以及用Python 解决问题
第6章数据获取与存储
第7章数据清洗：研究、匹配与格式化
第8章数据清洗：标准化和脚本化
第9章数据探索和分析
第10章展示数据
第11章网页抓取：获取并存储网络数据
第12章高级网页抓取：屏幕抓取器与爬虫
第13章应用编程接口
第14章自动化和规模化
第15章结论
领取方式见文末
二、《 Python数据分析基础 》
本书展示如何用Python 程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括：Python 基础知识介绍、CSV 文件和Excel 文件读写、数据库的操作、示例程序演示、图表的创建，等等。
本书要讨论和使用的附加模块如下所示。
• xlrd 和xlwt
功能：解析与读写Microsoft Excel 工作簿。
• mysqlclient/MySQL-python/MySQLdb
功能：连接MySQL 数据库，在数据库表上运行查询。
• pandas
功能：读取各种类型的文件；管理、筛选和转换数据；聚合数据并计算基本统计量；创建各种类型的统计图表。
• statsmodels
功能：估计各种统计模型，包括线性回归模型、广义线性模型和分类模型。
• scikit-learn
功能：估计机器学习统计模型，包括回归、分类和聚类，以及执行数据处理、维度归约和交叉验证。
全书共计9大章节，近300页内容
第一章：Python基础
第二章：CSV文件
第三章：Excel文件
第四章：数据库
第五章：应用程序
第六章：图与图表
第七章：描述性统计与建模
第八章：按计划自动运行脚本
第九章：从这里启航
内容较多，就不做一一展示了
资料都带索引，方便阅读，两本书有各有长处，相辅相成！
