TIOBE年度程式語言稱號，是授予在這一年中最受關注、最為流行和漲幅第一的程式語言。因此可以說，Python已經在程式設計師人群中受到了四年的熱烈歡迎！
註：程式語言排行榜來源：
https://www.tiobe.com/tiobe-index/programming-languages-definition/TIOBE
*程式語言社區排行榜是程式語言流行趨勢的一個指標，每月更新，這份排行榜排名基於全球技術工程師、課程和第三方供應商的數量，其中包括了流行的搜尋引擎以及技術社區。
大家可以看到，在過去前一年排行前20位的程式語言中，Python保持著穩定的用戶增長量。其實，早在幾個月以前，Java就曾被Python所打敗，位列排行第二。因此異步君猜想，雖然Python現在的用戶增長量名次不是第一，但在不久之後它定能再次超越Java，順利地完成「反殺」。
TIOBE Top10 程式語言指數走勢（2002-2020）
從TIOBE Top10 程式語言指數走勢（2002-2020）圖中可以看出：在連續的十八年中，各大程式語言指數都曾有過增長和下降，具有一個相對比較穩定的指數趨勢。
但是在剛剛過去的2020年，相比於降速明顯的Java和緩慢上升的C語言，Python卻呈現出一個較為明顯的指數上升趨勢。
為什麼Python如此受到程式設計師的青睞呢？
首先，是因為Python語言一直在與時俱進，貼合大家的需要。而且Python使用廣泛，已經成為時下熱門的機器學習領域最受好評的程式語言。其次，從Web到移動端程序開發的領域，都離不開Python在背後的支持。
再有，加上Python具有容易上手、高效率的特性，因此最終收穫了程式設計師們一致的歡迎，成功奪得最受歡迎程式語言的寶座。
基於如今Python發展的良好態勢，異步君為大家精心地挑選了10本相關的優秀圖書，希望大家可以在Python的知識海洋裡繼續暢遊！
本書快速教讀者掌握Python這一對初學者友好的語言。書中包含了很多實用的示例，供讀者學習和聯繫。
通過本書，可以學會解決很多實際的任務和需求，包括在一個或多個文件中搜索文本模式、通過創建修改移動和重命名文件和文件夾來組織計算機、抓取數據和信息、更新Excel表格、自動發送郵件和文本消息、組織計算機執行周期性任務等等。
本書結合了軟體開發工程師的興趣來教授Python編程實戰。全書分為5個部分共14章，首先是基礎知識，然後是模擬遊戲，然後分別從圖像、3D圖形和硬體等入手，以不同類型的項目實踐的方式，告訴讀者如何將Python編程技能應用到實際的項目中。
本書充分考慮到讀者的學習興趣和習慣，案例使用價值很高，是一本真正能夠幫助中級程式設計師快速上手使用Pyhton的實戰指南。
本書總共分為3部分。第1部分包括正則表達式、網絡編程、Internet客戶端編程、多線程編程、GUI編程、資料庫編程、Microsoft Office編程、擴展Python等內容。第2部分包括Web客戶端和伺服器、CGI和WSGI相關的Web編程、Django Web框架、雲計算、高級Web服務。第3部分包括文本處理以及一些其他內容。
本書是一本Python入門書籍，以習題的方式引導讀者一步一步學習編程，從簡單的列印一直講到完整項目的實現，讓初學者從基礎的編程技術入手，最終體驗到軟體開發的基本過程。本書是基於Python3.6版本編寫的。本書共包括52個習題。每一章的格式基本相同，以代碼習題開始，按照說明編寫代碼，運行並檢查結果，然後再做附加練習。
本書是《「笨辦法」學Python 3》一書的進階篇，《「笨辦法」學Python 3》介紹了用Python 3編程的基礎知識，而本書則通過52個精心設計的習題幫助讀者超越基礎，提升水平。
這52個習題大部分都結合實際演示，並配有附加挑戰，每個習題都可以幫讀者掌握一項關鍵的實踐技能，包括使用文本編輯器管理複雜的項目、利用功能強大的數據結構、應用算法處理數據結構、掌握必要的文本分析和處理技術、使用SQL有效且合邏輯地建模存儲數據，以及學習強大的命令行工具等。
本書旨在幫助讀者從單純地編寫能運行的代碼跨越到編寫能解決實際問題的高質量Python代碼，成為一名高階的Python程式設計師。本書適合所有已經開始使用Python的技術人員，包括初級開發人員和已經升級到Python 3.6版本以上的經驗豐富的Python程式設計師。
本書將程序設計和數學巧妙地結合起來，從簡單的項目開始，應用Python解決高中和大學低年級的數學問題，比如幾何、概率、統計以及微積分等，為進一步學習更複雜的數學內容以及Python程式語言打下堅實的基礎。本書也可作為Python初學者的入門讀物，通過學習書中的示例程序和完成那些編程挑戰，讀者可以提高自己的編程能力和技巧。
本書是一本面向中高級程式設計師的算法教程，藉助Python語言，用經典的算法、編碼技術和原理來求解計算機科學的一些經典問題。全書共9章，不僅介紹了遞歸、結果緩存和位操作等基本編程組件，還講述了常見的搜索算法、常見的圖算法、神經網絡、遺傳算法、k均值聚類算法、對抗搜索算法等，運用了類型提示等Python高級特性，並通過各級方案、示例和習題展開具體實踐。
本書將計算機科學與應用程式、數據、性能等現實問題深度關聯，定位獨特，示例經典，適合有一定編程經驗的中級Python程式設計師提升用Python解決實際問題的技術、編程和應用能力。
本書揭示神經網絡背後的概念，並介紹如何通過Python實現神經網絡。全書分為3章和兩個附錄。第1章介紹了神經網絡中所用到的數學思想。第2章介紹使用Python實現神經網絡，識別手寫數字，並測試神經網絡的性能。第3章帶領讀者進一步了解簡單的神經網絡，觀察已受訓練的神經網絡內部，嘗試進一步改善神經網絡的性能，並加深對相關知識的理解。附錄分別介紹了所需的微積分知識和樹莓派知識。
本書適合想要從事神經網絡研究和探索的讀者學習參考，也適合對人工智慧、機器學習和深度學習等相關領域感興趣的讀者閱讀。
本書以直白、簡短的方式向讀者介紹了生成對抗網絡，並且教讀者如何使用PyTorch按部就班地編寫生成對抗網絡。
全書共3章和5個附錄，分別介紹了PyTorch基礎知識，用PyTorch開發神經網絡，改良神經網絡以提升效果，引入CUDA和GPU以加速GAN訓練，以及生成高質量圖像的卷積GAN、條件式GAN等話題。
本書適合想初步了解GAN以及其工作原理的讀者,也適合想要學習如何構建GAN的機器學習從業人員。對於正在學習機器學習相關課程的學生，本書可以幫助讀者快速入門，為後續的學習打好基礎。
自然語言處理實戰 利用Python理解、分析和生成文本
本書是介紹自然語言處理（NLP）和深度學習的實戰書。NLP已成為深度學習的核心應用領域，而深度學習是NLP研究和應用中的必要工具。
本書分為3部分：第一部分介紹NLP基礎，包括分詞、TF-IDF向量化以及從詞頻向量到語義向量的轉換；第二部分講述深度學習，包含神經網絡、詞向量、卷積神經網絡（CNN）、循環神經網絡（RNN）、長短期記憶（LSTM）網絡、序列到序列建模和注意力機制等基本的深度學習模型和方法；第三部分介紹實戰方面的內容，包括信息提取、問答系統、人機對話等真實世界系統的模型構建、性能挑戰以及應對方法。
本書面向中高級Python開發人員，兼具基礎理論與編程實戰，是現代NLP領域從業者的實用參考書。