我在公司里做了一段时间Python数据分析和机器学习的工作后，就尝试着写一本Python数据分析方面的书。正好去年有段时间股票题材比较火，就在清华出版社夏老师指导下构思了这本书。在这段特殊时期内，夏老师和出版社的其它老师为这本书到处奔走，终于在近期上市。

感激涕零之余，用此文借博客园宝地向大家介绍我的新书，同时在王婆卖瓜之余，再以此经历讲下出书对程序员的好处，以及程序员出书的技巧。

1 我的构思和书的大致内容

本来是打算写本Python入门书，但光给出说明太空洞，在想范例时，总想找些能吸引眼球的，而通过“股票”范例中，不仅可以讲述爬虫和数据分析等技能，更可以讲机器学习，所以就选中用“股票”主题作为范例。

市面上用Python讲股票量化交易分析的也有，但本书是讲Python入门，虽然在数据分析案例中，也有验证买卖交易策略的代码，但却是用股票范例讲语法，讲技能，更讲Python在项目里的实践要点。大家在学Python的时候，总要用范例学，否则光学理论一定学不好，与其用其它案例，还不如用股票范例学，这样学好Python后，更能有股票的常识，可谓也一举两得。如下给出本书讲的内容。

1 Python基本语法，集合，面向对象语法，异常处理，读写文件技能。

2 Python操作数据库的技能。

3 通过爬虫从网络接口爬取股票数据的技能。

4 基于Numpy+Pandas+Matplotlib进行数据分析的技能

5 基于TKinter的GUI编程技能+ 发送邮件的技能

6 Django框架的用法

7 线性回归+SVM的机器学习技能

自认为这本书对大家有什么帮助呢？

1 能入门数据分析和机器学习，而且入门后的技能足以能应对基本的Python开发

2 有些案例足够大，能作为课程设计和毕业设计的案例

3  所谓无知者无畏，可能是那些不懂任何股票知识的人最容易做韭菜，通过本书给出的指标算法等技能，好歹能知道股市的深浅，至少不会头脑一热就入市做韭菜。

2 一些自认为拿得出手的效果图

空口无凭，下面给出些自认为拿得出手的效果图。

这个是通过pandas_datareader库，通过爬虫，从网络接口得到的股市数据效果图

如下是K线均线整合成交量的效果图

如下是K线均线整合MACD指标图的效果

如下是用线性回归算法预测的股票收盘价，其中没有考虑涨跌停的因素，但至少趋势正确

如下是用SVM分类器器预测股票涨跌的效果，预测出的数据和真实数据有一定的匹配度。

RSI指标图+Python邮件发送技术+用RSI验证买点策略的效果图

请注意这不是讲股票交易的书，而是用范例讲述Python数据分析，可视化，机器学习，Numpy，Pandas，Matplotlib等等技术，通过这些吸引眼球的范例，应该不仅能帮大家提升学习的兴趣，更能提升学习的效率。

3 用收益来激励大家上进

说下这本书的收益，首先是稿酬，这本书定价69元，8%的稿酬，外带扣税，估计每销出去一本，我能收益5元，要求不高，期望能销掉3000册，也就是收入15000，我前后用了7个月，每个月的收益估计是2k。如果运气再好些，销量达到5000+，那么收益能过2万。

其次，这本清华出版社的书能证明我的能力，比如我要去某网站录制视频，如果空口说我熟悉Python，别人估计听过也就算了，但如果我有这本书，至少别人能当回事。这里并没有贬低任何人的意思，本来嘛，要和别人合作，通过人家挣钱，总要自证实力。凭着这本书，我已经录制了一门Python视频课，保守估计，收入能达到1.5万，后继课程还在联系中。

而且当我写好这本书以后，出版社的老师也认可我在Python方面的能力了，所以我又接了本Python数据分析方面的选题，这样就能进入一个良性循环。同时，用这本书，我得到了某培训学校线下讲Python课的资质。

这里我不敢有任何自吹自擂的心思，一方面博客园大牛太多，比我做得好的人多了去了，另一方面这点收益顶了天就能让我稍微滋润些，远达不到收益暴涨的地步，也没太多值得吹嘘的成分。这里我只是想现身说法“诱之以利”，在当前这个时期，激励下大家积极向上的精神。

不是每个人天生就有进大厂的本事，也不是每个人天生就有月入5万+的能力，通过这些时间的探索，我深深感觉到，能力其实就是靠一点点积累下来的，而且只要开始用功，进步的速度会超出大家的想象。比如我本来以为机器学习里包含了太多的数学技能，我未必能啃得动，但真正接触下来，在走了一个礼拜的弯路后，后面的学习和写作非常顺利，但如果我这个礼拜天天追剧或者看小说，也就这样过去了。

Python是这样，java也是这样，比如通过大厂面试的标准是熟悉各种分布式组件，哪怕有些同学当前只小厂做增删改查，最多也就努力两年年，绝对能达到大厂的标准，具体细节我写在进大厂也就这回事，工作后2到3年进大厂操作指南这篇博文里。两年已经算多了，其实快得话也就一年。但如果天天看手机，估计时间一眨眼就过去了。好吧有些偏题了，总之以我比较平庸的资质尚能如此，大家努力后的一定会是不可限量的，至少收入翻几番不成问题。

4 出书对程序员的帮助

其实大牛用不着出书，因为他们完全可以靠大厂技术职位的身份来验证自己，比如某人只要说出，自己是BAT的资深架构师，其它的完全就不用说了，或者某大牛在知名技术论坛上做过主题演讲，这种证明力比出书强太多了。但对于一些当前还在小公司做增删改查的同学，如果要再进一步，总得有些能拿得出手的东西，而有一本自己的书，好歹也能证明自己也属于“业内专家”。

而且，对一些大神而言，名气有了，做什么都行，比如公众号，专栏，视频课等都能挣到钱，但如果处在初级阶段，开视频课等方式可能还没资质，与其用零散的文章来聚集粉丝，倒不如专心出本书。因为一方面，比起初级阶段粉丝带来的收益，出书的收益还算稳定，而且，出书和做公众号和视频号等是相辅相成的，有本书还能带来更多的粉丝。

为了避免广告的嫌疑，这里就不给出出版社和编辑的名字了，只是如果大家如果有需要，可以私下联系我。而在程序员怎样出版一本技术书这篇博文里，也给出了程序员出书的具体步骤和实践要点。

5 策划构思和写作时的技巧(如何保证不半途而废)

据我所知，很多作者刚开始很有干劲，但到后面，由于写作方法不得当，就会感觉越来越难写，再加上公司事情一多，往往就半途而废了。对一些出版社和图书公司而言，联系到的5个作者，能有一个作者真正能完稿，就不错了。既然出书能给程序员带来不少的好处，那么这里就给出些构思和写作的技巧，从而能让一些真正想出书的同学善始善终。

1 多看同类书的目录，多看人家怎么写的，这样至少能继续。

比如要写一本Python数据分析的书，可以先到京东等网站看下当下比较热卖(也就是比较好)的几本书，然后通过目录看下别人包含了哪些要点，这样至少能知道该写什么，不会因为“不知道该写哪些内容”而导致半途而废。

2 多加案例，用案例说明技能

可能对入门级作者而言，文字功夫可能是短板，往往不知道如何组织文字，或者不知道如何用文字填充满篇幅，这时就可以去多找些案例。当然案例也可以参考别人的，只要别有版权问题即可。完成案例后，即可针对案例说明技术，就相当于看图说话，不仅写作时能更高效，而且还能确保读者能高效地理解你的内容。

3 先大致确定要写的章节，对于一个章节，先明确小节，再细化。

写作时，先明确大概要写哪些点，以此确定章节题目，比如Python数据分析包含Numpy,Pandas，机器学习等点，由此可以明确要写哪些章节。

在写每个章节的内容时，再细分小节，比如机器学习包含线性回归，岭回归，SVM分类等，再由此划分小节(比如1.1的二级目录)和目(比如1.1.1三级目录)，先确定框架标题，再细化内容，这样写作起来思路就很清晰，甚至可以把写作拆分成“叙述理论”+“找案例”+“针对案例讲技术”等工作。从而能降低每个子任务的难度。

4 用通俗的语言讲清楚案例技术即可

对作者而言，能确保用朴素的文字把技术讲明白，从而让读者有收益即可。当然如果文字优美那就更好了，但技术书毕竟不是文学书。技术书首先要保证读者学到技术，能把案例运行通，其实能做到这点已经是本好书了，如果过于追求文字优美，往往可能会偏离“讲技术”这个主题，不仅事倍功半，而且读者未必能从华而不实的描述里学到知识。

6 预告我后面将出的书

对我们程序员而言，出书其实并不难，甚至有2到3年经验的初级开发也能出本案例书。而且如果大家把刷手机等时间用到写书上，就会发现出书也就是个体力活。再扩展 一下，适合每个人上进的途径可能不尽相同，也未必一定要局限在出书这条路上，如果合理地利用碎片时间，再多上进些，会发现自己能挣钱的渠道太多太多，比如出视频，经营公众号，甚至是其它非技术的做生意等。

可能出书+视频+线上线下培训这条挣外快的路比较适合我，所以我后面又接了两本选题，一本是Python数据分析的，已经完稿了，应该能在今年7，8月出版，是在机械出版社。另一本是Redis入门书，才开始写，估计今年能完稿，明年初的时候出版，应该也是清华出版社。等出版以后再介绍给大家，请大家多多捧场，如果可以，帮忙点个赞，或者帮忙转发下，我这里先谢过诸位了。

一本Python数据分析书，一本Redis书。