目前在線教育、Github學習資源非常豐富，但是我依然認為學習Python過程中需要至少用心去看完一本書。
因為，很多有關Python的在線教程都是出自個人或者無良的教育機構之手，所以，在質量和嚴謹性方面就很難得到保障，而一些不錯的書籍是經過嚴格的把關和很多學習者驗證走到最后的，質量和嚴謹性更能得到保障。
對于Python學習我推薦3本書。
1. 《Python編程從入門到實踐》
如果時間有限，我認為入門階段可以通過菜鳥教程、廖雪峰Python進行學習。如果時間充足，我認為可以看一下入門書籍，因為更加嚴謹一些。
《Python編程 從入門到實踐》是一本比較適合入門的書籍，環境配置、變量、列表、if語句、函數等基礎的概念都會詳細的展開介紹，這對于沒有編成基礎的同學非常有幫助。
2. 《流暢的Python》
這是一本經得起考驗的Python書籍。
它和大多數書籍和在線教程蜻蜓點水式的講解不同，它更加深入，深入而不冗余，在你看這本書的時候你會發現，它的每一段話都是有意義的，沒有什么廢話。
它分別從數據結構、字典集合、文本和字節序列、函數、設計、裝飾器、閉包等講起，然后對每一塊知識進行展開，詳細介紹里面最根本的原理，然后告訴你，該怎么用好它，高效的使用它。
舉一個最簡單的例子，在絕大多數教程都會講到循環和條件語句，千篇一律的告訴你"if..else..", "for...while"，這個有一點編程語言的同學都知道，但是在Python里面循環和條件語句有什么特殊的地方嗎？該怎么用好它？
《流暢的Python》這本書就教你怎么去使用它，告訴你列表推導該怎么用還有它的意義所在。
這就是這本書的優點：不僅告訴你怎么用Python，而是告訴你怎么用好Python。
3. 《Python CookBook》
學而不精的同學都會認為Python是一門很簡單的編程語言，不錯，Python相對于Java、C++要簡單很多，沒有嚴格的語法結構、沒有變量類型，而且如果有一些編程基礎去學Python的話可以一個周甚至一天即可學完。
但是我認為，Python入門簡單，但是用好并不簡單，當你接觸到標準的商業項目時你就會意識到Python高級用法的重要性以及它的價值所在。
《Python CookBook》這本書就是這樣的一本進階教材，它不同于大多數教程，反復的介紹基本語法，它直接跳過基本語法開始講解數據結構、算法、迭代器、生成器、類、對象、元編程等，我認為這些才是工作中真正有價值、拉開差距的地方，而那些基本語法是默認應該會的。
《Python CookBook》會在每個知識點開始提出一個應用場景，然后告訴你怎么去解決這種應用，同時會編程實現，這樣對于提升Python是最為實際的，而且讓你更加容易理解它這樣用的價值所在。
我是Python之王，我來給你回答下
1、《Python編程：從入門到實踐》
這本書大家肯定不陌生了，每周的計算機書籍排行榜上一定會有它的名字出現。不得不說，這是一本非常出色的書，它全面介紹了Python，基本分為兩個部分，第一部分側重于用Python編程所必須了解的基本概念，第二部分則比較有趣，它側重于Python的實際應用，有三個重要的項目：一個Python 2D游戲開發，學會利用數據生成交互式的信息圖，以及創建和定制簡單的Web應用
動手加實踐兩不誤，潘石屹都選擇這本書作為Python入門，不得不說：真是有眼光！
2、《Python參考手冊》
顧名思義，這就是一本有關Python的參考手冊，內容涉及核心Python語言和Python庫的最重要部分。諸如類型和對象、操作符和表達式、編程結構和控制流、輸入和輸出、測試、調試等，不過這本書不適合作為初學者的第一本書，如果要學Python的話，建議還是先讀完《Python編程：從入門到實踐》，然后在把這本書作為參考書使用吧。
3、《Python深度學習實戰》
這本書可能讀過的人相對要少一些，豆瓣上連評分都沒有，這本書通過TensorFlow和Keras等框架探索深度學習應用程序，例如計算機視覺，語音識別和聊天機器人。重點關注的是深度學習應用程序相關領域的模型和算法，學習Python想了解人工智能方向，可以看看
4、《機器學習：使用OpenCV會讓Python進行智能圖像》
這本書很好的解釋了機器學習的基本原理，涵蓋了決策樹、支持向量機、分類等，使用了還使用OpenCV、Scikit-learn和Keras等，而且它是現在Github上火了一段時間后才出版的，雖然里面的源代碼似乎是早期版本類型，不過影響不大，這本書的示例代碼在Github上都可以找到。（Github地址：https://github.com/mbeyeler/opencv-machine-learning）
5、《Python人臉識別》
這是一本使用Python進行人臉識別的入門書籍，介紹了機器學習、深度學習、計算機視覺、人臉識別等方面的原理、技術和算法。
首先謝謝邀請，關于進階可以看一些方向性書籍python之所以火是因為人工智能的發展，個人整理學習經驗僅供參考！
感覺有本書你學的差不多了就基本具備了一名合格的python編程工程師,不過可惜的是這本書沒有電子版，只有紙質的。
第 1章 從數學建模到人工智能
1.1 數學建模1.1.1 數學建模與人工智能1.1.2 數學建模中的常見問題1.2 人工智能下的數學1.2.1 統計量1.2.2 矩陣概念及運算1.2.3 概率論與數理統計1.2.4 高等數學——導數、微分、不定積分、定積分第2章 Python快速入門2.1 安裝Python2.1.1 Python安裝步驟2.1.2 IDE的選擇2.2 Python基本操作2.2.1 第 一個小程序2.2.2 注釋與格式化輸出2.2.3 列表、元組、字典2.2.4 條件語句與循環語句2.2.5 break、continue、pass2.3 Python高級操作2.3.1 lambda2.3.2 map2.3.3 filter第3章 Python科學計算庫NumPy3.1 NumPy簡介與安裝3.1.1 NumPy簡介3.1.2 NumPy安裝3.2 基本操作3.2.1 初識NumPy3.2.2 NumPy數組類型3.2.3 NumPy創建數組3.2.4 索引與切片3.2.5 矩陣合并與分割3.2.6 矩陣運算與線性代數3.2.7 NumPy的廣播機制3.2.8 NumPy統計函數3.2.9 NumPy排序、搜索3.2.10 NumPy數據的保存第4章 常用科學計算模塊快速入門4.1 Pandas科學計算庫4.1.1 初識Pandas4.1.2 Pandas基本操作4.2 Matplotlib可視化圖庫4.2.1 初識Matplotlib4.2.2 Matplotlib基本操作4.2.3 Matplotlib繪圖案例4.3 SciPy科學計算庫4.3.1 初識SciPy4.3.2 SciPy基本操作4.3.3 SciPy圖像處理案例第5章 Python網絡爬蟲5.1 爬蟲基礎5.1.1 初識爬蟲5.1.2 網絡爬蟲的算法5.2 爬蟲入門實戰5.2.1 調用API5.2.2 爬蟲實戰5.3 爬蟲進階—高效率爬蟲5.3.1 多進程5.3.2 多線程5.3.3 協程5.3.4 小結第6章 Python數據存儲6.1 關系型數據庫MySQL6.1.1 初識MySQL6.1.2 Python操作MySQL6.2 NoSQL之MongoDB6.2.1 初識NoSQL6.2.2 Python操作MongoDB6.3 本章小結6.3.1 數據庫基本理論6.3.2 數據庫結合6.3.3 結束語第7章 Python數據分析7.1 數據獲取7.1.1 從鍵盤獲取數據7.1.2 文件的讀取與寫入7.1.3 Pandas讀寫操作7.2 數據分析案例7.2.1 普查數據統計分析案例7.2.2 小結第8章 自然語言處理8.1 Jieba分詞基礎8.1.1 Jieba中文分詞8.1.2 Jieba分詞的3種模式8.1.3 標注詞性與添加定義詞8.2 關鍵詞提取8.2.1 TF-IDF關鍵詞提取8.2.2 TextRank關鍵詞提取8.3 word2vec介紹8.3.1 word2vec基礎原理簡介8.3.2 word2vec訓練模型8.3.3 基于gensim的word2vec實戰第9章 從回歸分析到算法基礎9.1 回歸分析簡介9.1.1 “回歸”一詞的來源9.1.2 回歸與相關9.1.3 回歸模型的劃分與應用9.2 線性回歸分析實戰9.2.1 線性回歸的建立與求解9.2.2 Python求解回歸模型案例9.2.3 檢驗、預測與控制第10章 從K-Means聚類看算法調參10.1 K-Means基本概述10.1.1 K-Means簡介10.1.2 目標函數10.1.3 算法流程10.1.4 算法優缺點分析10.2 K-Means實戰第11章 從決策樹看算法升級11.1 決策樹基本簡介11.2 經典算法介紹11.2.1 信息熵11.2.2 信息增益11.2.3 信息增益率11.2.4 基尼系數11.2.5 小結11.3 決策樹實戰11.3.1 決策樹回歸11.3.2 決策樹的分類第12章 從樸素貝葉斯看算法多變 19312.1 樸素貝葉斯簡介12.1.1 認識樸素貝葉斯12.1.2 樸素貝葉斯分類的工作過程12.1.3 樸素貝葉斯算法的優缺點12.2 3種樸素貝葉斯實戰第13章 從推薦系統看算法場景13.1 推薦系統簡介13.1.1 推薦系統的發展13.1.2 協同過濾13.2 基于文本的推薦13.2.1 標簽與知識圖譜推薦案例13.2.2 小結第14章 從TensorFlow開啟深度學習之旅14.1 初識TensorFlow14.1.1 什么是TensorFlow14.1.2 安裝TensorFlow14.1.3 TensorFlow基本概念與原理14.2 TensorFlow數據結構14.2.1 階14.2.2 形狀14.2.3 數據類型14.3 生成數據十二法14.3.1 生成Tensor14.3.2 生成序列14.3.3 生成隨機數14.4 TensorFlow實戰希望對你有幫助！！！
貴在堅持，自己掌握一些，在工作中不斷打磨，高薪不是夢！！！
高手之路不適合你，核心編程還行，最好是了解一些核心機制的技術，主要核心還是在面向對象上，類的筆尖函數，一些黑魔法，最開始對于黑魔法我是排斥的，后來發現無法提高python技能，實現某個功能是沒有問題的，無非是if for while 還有函數，這樣寫的不優雅，不pythonic ，你可以看看《python面向對象》設計模式等書籍，看完這些書籍，你會惡心你現在的代碼的。當然有些人認為能實現功能就行，那么這些人沒必要聽取此建議。