這應該是最近我能找到、最適合自修 Python 的參考書籍了！
紀俊男老師 ★ 4.5 顆星評價
Python 已經成了近年來，開發「人工智慧」與「資料科學」相關程式的最佳語言。也因此，不少朋友詢問：「可不可以推薦一本 Python 自學的書籍？」
這個問題，若早個一兩個月問我，我勉強可以從口袋書單中，挑個一兩本推薦。說「勉強」的原因，是因為在洪維恩老師這本「Python 教學手冊」推出之前，我找不太到給初學者「剛好夠用」的自學書籍。不是內容太強調「初學」，砍掉一些進階主題（如：物件導向），營造 Python 好簡單的印象後，再讓你於實作時遭遇那些應學未學的技巧，進而心灰意冷，發誓不再碰程式設計。要不然就是「包山包海」，內容厚到可以用來應付闖空門的小偷，或是擋住點 33 口徑的子彈（最後一句是開玩笑的）。
但這本「Python 教學手冊」，是我到目前為止認為同時擁有「涵蓋主題剛好」、「章節排列順序恰當」、「範例與配圖份量適當」等特色於一身的書籍。於是就興起幫這本書寫評論的想法，也藉機推薦這本書給同學們。
第一印象：該買回家嗎？
我決定要不要買下一本書，有個人的一套準則。我會透過翻閱封面、封底、序言、目錄，先想像這本書「應該講什麼」，然後隨便挑個幾章內容，快速翻閱，以驗證這本書是否「真的講了什麼」。如果兩者吻合，十之八九我就會把這本書買回家。
看完封面、封底、序言、目錄後，我整理出這本書的意圖、並與目錄對照的結果如下：
- 免安裝環境，打開瀏覽器就能寫：看來會介紹一款雲端開發環境，可讓同學免除安裝與設定之苦。看完目錄後，發現講師好像要用 Google Colab，做為主要開發環境。這一套不錯！真的是瀏覽器打開，什麼東西都不用裝就可以寫程式。若全書都以 Colab 為開發環境，的確可以免除初學者在軟體安裝與設定上可能遇到的困難。此外，看目錄還發現作者介紹了 Jupyter Lab 這套外觀與 Google Colab 相仿、但卻可以跑在本地端的開發環境。滿足了一些想獲得 Colab 好處、但不想在雲端執行軟體的工程師。
- 大量簡明範例、大量習題驗證：身為講師，我蠻歡迎這種有大量範例與習題的書的。範例、習題多，也的確可以幫助初學者增加程式寫作的熟練度。
- 資料科學、影像處理，奠定 AI 基礎：看起來會介紹 AI 所需的一些相關套件。翻看目錄，發現作者指的應該是 NumPy（矩陣運算）、Matplotlib（統計圖繪製）、Pandas（外部資料抓取）、SKImage（影像處理）這幾個套件。NumPy、Matplotlib、Pandas 的確是我在教機器學習課程時，必備的三大套件。這本書有提到，那真的是太好了。
- 數學符號運算，無縫接軌理工數學課程：剛看封面這幾個字，不太了解作者指什麼。所以我翻到目錄，發現他指的是會介紹 SymPy 這個套件。這個套件很讚！用它來解方程式或做微積分簡直是神兵利器。很少看到有入門書介紹這個套件，我蠻興奮的！
經過這一輪對照，發現作者在封面、封底對這本書的承諾，在目錄都有相對應的章節實現。所以「封面與內容不符」這個我從國高中時代以來、最痛恨的疑慮（男性紳士們應該都懂得…開個玩笑），是不會發生的。此時我對這本書的好感，頓時上升了不少。
接著我簡單翻閱一下，主要觀察下面幾點：
- 排版、配圖適當否：還不錯！沒有很擠，也沒故意留空增加頁數。圖片也很好地輔助了文字說明的部分。
- 大量範例與習題是真的嗎：快速翻動書籍內容，的確有一大堆程式碼映入眼簾。每章結尾，也有十幾題依照小節排列的「習題」。看來所言非虛。
- 行文流暢否：我很怕那種寫一堆專有名詞卻忘記解釋，或者講一個主題語焉不詳的書。我會故意翻目錄，看看有沒有我不懂的專有名詞。若有，翻到該章節，作者能當場讓我在書局看懂一個名詞是什麼意思，那這點就合格了。這本書很顯然做得不錯！我對 SKImage 這個套件沒有經驗，所以我就翻到第十四章「使用 SKImage 進行圖像處理」。看完，的確讓我當場了解 SKImage 可以做什麼。
看到這裡，我已經二話不說、把信用卡掏出來到櫃臺結帳了。
回家細讀：優點與缺點
優點：文圖夾雜，說明用心
請大家先看下面這張截圖。這是從書中 P. 1-7 截出來的一小段文字：
文中開頭那一句「按下功能表下方的『+ 程式碼』按鈕」，以及最後一句「按下該儲存格右上方的垃圾桶按鈕『🗑 』即可」，這種「文圖夾雜」的寫作風格，是我覺得作者很用心的地方。
讀資訊類文章，尤其是解釋「使用者介面」的操作時，最怕作者描述一大堆文字，但讀者卻得花費大量功夫，猜測文中指稱的「按鈕」或者是「視覺元件」，到底是哪一個。但作者很用心地將圖片夾雜在文字之間，讓一般人閱讀起來，可以不花吹灰之力，就知道作者指的是哪個視覺元件。
寫過一點文章的朋友就知道，這種「文圖夾雜」的寫法，是很花精神的。尤其截下來的圖，要非常注意高度，免得破壞原來的行距，讓有圖片的那一行與其它行距離突然變寬。要長時間維持「文圖夾雜」，且「行距不變」，這是一份需要耐心的工作。作者能全書五百餘頁做到這點，真的不得不為他的細心，豎起大拇指。
優點：程式碼與說明文字編排即時、清楚
一樣請先看我從書中 P. 2-14 節錄下來的圖片：
有些人可能覺得這沒什麼了不起。但若跟其它程式書籍的排版方式對比，這種把說明即時放在右邊，讓讀者升起任何對程式碼的「疑惑」時，馬上用清楚的解說予以「消滅」，是少見而值得鼓勵的做法。
一般作者對這種大量程式碼的說明，大部分是先把程式碼一口氣列出五六十行，然後統一在程式碼下方用文字解釋。好一點的作者，會替程式碼附上「行號」，說明時會用「第 XX 行的程式碼」。糟糕一點的，會連行號都沒附，就自顧自嗨地解釋一大堆。不論哪一種，我都得來回翻動「程式碼」與「解說文字」兩部分。讓我讀了很想摔書。
此外，這種「程式碼」與「解說文字」一左一右的排版難度，其實不低，不信大家可以排看看，然後像作者那樣排個五百頁，看你會不會厭煩。很多作者其實會「偷懶」，用「程式碼註解」的方式，將解說文字一上一下地夾雜在程式碼中間。
拿 Python 來說，註解是以「井字號（#）」開頭。這種做法雖然好排版，把程式碼帶註解直接拷貝貼上就好，但「一下程式碼，一下註解說明」，實在對閱讀與理解，是一種極大的干擾。像本書這樣，程式碼在左，解說在右，又各自向左對齊。想看原始碼就專注看左邊，臨時看不懂某一個指令，就往右邊撇一眼。這種既不妨礙閱讀體驗，又能不需來回翻頁得到解說，真的是很貼心的排版。
優點：使用 Colab 做為開發工具
一般書籍，都會教初學者安裝官方的 IDLE，或者 PyCharm、Anaconda 等開發環境。這些環境雖然功能強大，但根據我的教書經驗，初學者很容易因為忽略一些小細節，導致安裝不順利。又安裝出狀況，除非整台電腦拿給有經驗的人檢查，否則很難透過文字描述，別人就能明白哪裡出問題，以及該如何解決。這會讓初學者在還沒開始寫程式時，就遭遇挫折，導致放棄。
但 Colab 是 Google 提供的雲端開發環境。基本上只要你有 GMail 帳號，打開瀏覽器，不需任何安裝與設定就能使用。用 Colab 做為一整本書的主力開發環境，對於降低初學者遭遇挫折的機率，的確是很聰明的辦法。
更讓我感動的是，作者還怕讀者看文字學 Colab 不耐煩，特別錄製了 36 分鐘的教學影片，放在 YouTube。讓習慣看影片學東西的讀者，也能順利學會 Colab。真的是非常用心：
除此之外，Colab 最令人讚賞的，就是它可以寫出外觀貌似 MS-Word 的文件，然後夾雜在文件字裡行間的程式碼，點一下居然可以執行！不過，要替 Colab 的文字做排版（如：加粗、超連結、標題一～六級…等），得學會另一種稱為 Markdown 的語法。該語法雖然不會太難，不過畢竟也算冷門。所以作者也很用心找到一個網站，可以用最短的時間，讓你學會 Markdown 語法：
Markdown 語法簡介： 使用 Markdown 線上編輯器 MdEditor 來學
這種只要提到一個概念，就負責任地把它解釋清楚。而不是「放生」，讓讀者自行 Google 或產生挫折感，是很令人讚賞的。更不用說還親自下海拍影片，解釋一套軟體該如何使用這樣貼心的舉動了。
不過身為過來人，我也得談一下 Colab 的缺點：
- 容易養成學生把所有程式碼，通通放在一個檔案中的習慣。不易培養同學將大型程式碼，切分成數個檔案，降低個別複雜度的好習慣。
- 除錯功能不如 PyCharm、Anaconda 的 Spyder 等本地端開發軟體功能豐富。
但做為初學者的第一個 Python 開發環境，我還是很認可 Colab 的方便性與易用性的。只要大家具備一定程度、感受到「把上千行程式碼擠在一個檔案，一直捲好煩」，或是「好難得知錯誤發生在哪一行」這些缺點時，再動念換成 PyCharm 或是 Spyder 也不會太晚。
優點：介紹實用且稀有的 Python 套件
即便 Python 熟稔如我，仍能從這本書學到新東西。而且經我評估，也很適合初學者學。這種兼顧「稀有」與「實用」的主題，著實令我佩服作者探索新事物，與合理編排到書中，讓初學者也能受益的寫作態度。那兩個讓我驚艷的 Python 套件，就是 SymPy 與 SKImage。
SymPy 是一個「Python 符號運算（Symbolic Mathematics for Python）」套件。它是一個可以讓你用數學上慣用的代數解題風格、手法，直接套用到 Python 程式碼裡的優秀函式庫。
SymPy 不僅可以把數學式表示成漂亮的格式（取自原書 P.13-8 頁）：
還可以用 .doit() 函數，馬上求該方程式的解（取自原書 P.13-8 頁）：
多項式展開也是小菜一碟（取自原書 P.13-13）：
多項式因式分解？沒問題！一個指令幫你做到（取自原書 P.13-14）：
聯立方程式求解也是輕輕鬆鬆（取自原書 P.13-18）：
其它像求函數的微分、積分、泰勒級數展開、甚至於解微分方程式，都是一個指令辦到（取自原書 P.13-31）：
在還沒有購入本書之前，若你想了解一下 SymPy 的威力，可以參考這篇我在網路上找到的介紹文： SymPy：使用 Python 幫你導煩人的數學公式。原文有五頁，別忘了在每一頁下方點擊「繼續閱讀」，免得漏掉精彩內容。相信您看完後，應該就對 SymPy 能做什麼，了然於胸了。
至於 SKImage，是一個能進行「圖像處理」的函式庫。它不但可以讀取／儲存常見的圖檔格式（如： .JPG、.PNG…等），還能對圖片做裁切、縮放、旋轉、銳化、去雜訊…等運作。基本上你想對圖片做的事情，該函式庫都會提供相應的指令，讓你一行就把事情處理妥當。
想快速了解 SKImage 能做哪些事，可以看我幫大家找到的這篇文章：2019 iT 邦幫忙鐵人賽：Machine Learning 學習筆記第十一天：影像處理。應該就能對 SKImage 能做什麼，有一點概念。
總之，能在一本入門書，寫出讓老鳥、菜鳥都享受的主題，我認為是很了不起的事情。
接下來我談談我認為的缺點。其實等一下要講的缺點，都已經逼近「吹毛求疵」的地步了。有些甚至於只有我會在意，一般人根本不會在意的程度。還請各位讀者自行判斷待會兒說的那幾點，對你而言是否能接受。
缺點：索引只有英文，沒有中文
其實這對蠻多人來說，根本不算缺點。事實上，身邊跟我一樣這麼倚賴一本書索引的人，一隻手也數得出來。對我這種「抱著問問題心態看書」、習慣在兩週內看完一本的「速攻型讀者」，沒有索引，等於無法讓我查到想看的關鍵字在哪一頁（參看「我是怎麼看書的，可以看那麼快」一文）。說老實話，很痛苦！
這本書的確有提供索引。但很可惜地，只有英文關鍵字索引，沒有中文關鍵字索引。我知道替一本書編纂索引，是枯燥無聊、吃力不討好的事情。但對看慣英文原文書、缺乏索引就不能用「速攻法」讀書的我，等於斷了我一臂。若我想了解某個主題，無法透過索引，找到特定關鍵字在哪幾頁。我也只好一頁一頁地翻找，喪失我「天下閱讀，唯快不破」的功力。
不過如果您的看書習慣是從第一頁看到最後一頁那種人，那麼你應該不在乎有沒有索引才對。
缺點：某些章節順序，調換一下會比較好
同理，這個缺點算是我吹毛求疵。就像花蓮到台東，我習慣走海線公路，但你走山線公路也不能算錯的那種程度。
- 第四章「容器資料類別」，與第五章「流程控制」順序調轉一下比較好
我個人認為，「流程控制」裡面講的「分支」、「迴圈」等概念，是比「容器資料類別」講的 list、tuple、set、dict 這些資料結構更為基本。換個說法，一個 Python 課程沒教 list、tuple、set、dict 雖然很可惜，但沒教「分支」、「迴圈」絕對是殺頭大罪（笑）。我個人傾向重要的東西越早講越好，這樣才能把重要的東西，重複用於後面的章節，加深同學們的印象。
況且，list、tuple、set、dict 都有各自的「產生式（Generator）」或「生成式（Comprehension）」語法。不論是「產生式」或「生成式」，都需藉助「迴圈」的概念。理論上，應該「流程控制」先教，讓同學們有迴圈此一重要概念後，然後再講「產生式」或「生成式」，並反覆應用「迴圈」於其上，幫助同學們熟稔才對。
當然，原書那樣的安排方式，初學者也是可以看得懂。我只是站在另一種觀點，認為「容器資料類別」與「流程控制」應該前後調換一下，沒有孰優孰劣之分。
- 第八章「異常處理」應該排在「檔案處理」前面比較好
第八章依序講了三個主題：「檔案處理」、「異常處理」、以及「模組與套件」。我個人淺見認為，「異常處理」應該排在「檔案處理」前面，可能會比較妥當。
原因是，講「異常處理」時，不需要有「檔案處理」的知識做為基礎。但做「檔案處理」時，卻需要處理大量的「異常（Exception）」。如：檔案不存在、記憶體不足載入檔案全部內容…等。若先講需要處理大量「異常」的檔案處理，之後才講「何謂異常」，感覺怪怪的。所以我才會認為，這兩個小節前後顛倒一下，應該會更好。
當然，您可以完全不同意我這樣的說法。
- 第八章「模組與套件」建議獨立成一個章節
第八章的最後一個主題，是「模組與套件」。我認為把它獨立成一個章節，然後放在第六章「函數」與第七章「物件導向程式設計」的後面，感覺會比較好。
因為「模組與套件」，是引領初學者，試著將「程式碼通通塞在一個檔案」，往「將程式碼分門別類、切分成數個檔案」這種寫碼習慣轉變的重要里程碑。初學者很容易將程式碼通通塞在一個檔案內，最後造就「一檔數千行，上下捲動眼茫茫」的悲慘下場。最後，程式碼複雜度超過人類極限，這個同學沒習慣將大檔案切成小檔案，以降低各別複雜度。導致他永遠無法「升級」，寫出更複雜的大型程式。這是很可惜的一件事！
但若能把「模組與套件」獨立出來，接在「函數」與「物件導向」章節之後，然後告訴同學：「你看！你寫的函數還有物件，可以儲存在另外的檔案。不僅能降低單檔複雜度，還方便被另一個專案重用喔！」等同學嚐到將程式碼「分而治之」的好處、回不去後，他才能蛻變為參與外界資訊公司時，看到動輒數十萬行、上百個檔案專案，能處變不驚的箇中好手。
再說一次，這邊講的三個所謂的章節順序缺點，純粹相當於花蓮到台東走海線還是山線這般的差異而已，沒有高低優劣之分。請您要拿「缺點」二字鞭我時，鞭小力一點…（笑）。
缺點：參考資料中有失效的超連結
這只能說不是作者的錯。我也常常犯下這種提供了超連結，過一陣子就失效的錯誤。但，既然發現了，我還是提出來，給大家參考。
作者提供了一份「附錄 B 安裝與使用 Jupyter lab」的線上參考資料。其中，在 B.2 小節「建立 Python 的虛擬環境並安裝 Jupyter lab」裡，有個名為「JupyterLab Demo 版，可以在瀏覽器裡運行」的超連結已經失效。若連結還有效，我還蠻有興趣線上玩一下 Jupyter Lab 是什麼感覺的。很可惜連結失效，無法得償所望。
結論：這本書到底好不好
想知道我怎麼替一本書客觀打分數的，可以看這篇文章。我這邊就直接評分。
結構：1 星全拿
- 標題、前言所承諾提供的知識，是否有好好地回答？→ Yes！
- 章節安排是否由淺入深？→ Yes！
- 有無缺少的章節？→ No！章節涵蓋主題程度完整良好！
內容：1 星全拿
- 文筆清晰否？→ Yes！
- 段落分明否？→ Yes！
- 能否確切回答標題所承諾的知識？→ Yes！
- 錯別字多否？→ No！
- 翻譯通順否？→ Yes！
- 對於專有名詞能否適切解釋？→ Yes！
- 資訊量是否夠深夠豐厚？→ Yes！
- 範例多否？→ Yes！
- 能否適切使用「範例」、「隱喻」，讓人容易了解內容？→ Yes！
排版：1 星全拿
- 是否舒適易讀？→ Yes！
- 圖文之間會不會太擠？→ No！
- 字體選用會不會太擠？→ No！
- 程式碼排版有加行號嗎？是否輕鬆易讀？→ Yes！
- 會大量留白，有強增頁數、提高售價之嫌嗎？→ No！
- 會塞太多出版商廣告影響閱讀體驗嗎？→ No！
配圖：1 星全拿
- 過多或過少？→ 剛好！
- 能否輔助說明文字？→ Yes！
參考：0.5 顆星（部分達成）
- 索引 → 有英文索引，但沒有中文索引。
參考書目→ 可惜！沒有。進階閱讀→ 可惜！沒有。
總結：4.5 顆星好書！極力推薦！
或許您會覺得這麼好的一本書，為什麼沒有 5 顆星？做為一個四十年的書蟲，我不得不說自己對「五顆星」這個榮耀還蠻苛刻的。您也看到我把評分標準，詳細列在上面，盡量不摻雜情感方面的主觀因素來評分。能從我手上拿下 4 顆星，已經是很稀有的書籍了，況且還 4.5 顆星。所以，對於 5 顆星很執著的朋友，我只能說，放小弟一馬吧～（笑）
總之，這是一本想入門 Python 程式設計的初學者，我會極力推薦的好書！
分享與參考
如果你也喜歡像這樣的深度書評，麻煩您幫忙轉發推廣。若能藉由各位的推廣，得到廠商的青睞，將來能接點業配，賺點小錢，那我會更加無後顧之憂地撰寫更多優質內容，提供給各位的！非常感謝！