今天分享几本对每个专业研究生都通用的书籍，自己已经阅读过了。包括能用来发文章的CiteSpace和R语言，能进行科研绘图的Origin和Python，教会机器帮你分析的Python。学会了，将会受益无穷！

Origin 2022实用指南推荐评语：

从我学习Origin的经验来看，目前网上虽然关于该软件的教程很多，但都不够系统和全面。因此，学习一本关于该软件的书籍，掌握学习该软件的框架，尤为必要。目前最新的Origin为2023版本，市面上并没有2023版本的书籍。因此2022版本的Origin书籍最为推荐，而且Origin 2022相较于2023较为稳定。

CiteSpace：科技文本挖掘及可视化推荐评语：

2019年我开始接触这个软件，同年，我写了第一篇关于CiteSpace的中文论文。在这之后，自己写了两三篇SCI论文，也和同课题组同学一起写了三四篇SCI论文，基本都用到了这个软件。

CiteSpace的使用不限专业，不限方向，只要你的研究主题在数据库有文献，就可以用该软件来写对应的中英文文章。

文本数据挖掘——基于R语言推荐评语：

2022年暑假，我花时间把这本书阅读了三遍，很有收获。那么学了这本书你能干什么？就是可以随心所欲的挖掘文本内容的精髓。

比如说，现在你有几十篇文献，你想知道作者最喜欢用哪些术语，就可以挖掘出来，顺便发个SCI；再比如，你想挖掘一些媒体或者网络中的热点内容，这个工具就能帮到你！

Python数据分析、挖掘与可视化推荐评语：

本书从大数据分析实际业务流程出发，利用案例贯穿介绍了大数据分析应具备的基础开发技术，包括Python基础、Python高级开发技术、数据采集与存储、数据预处理、数据分析、数据可视化、数据挖掘等；详细介绍了基于Python的数据分析全流程技术和相关机器学习算法；井通过社交用户画像挖掘案例，介绍了从应用场景需求分析——社交数据分析——用户画像构建的开发方法和过程，以及基于Flask框架、用户厲性、神经网络挖掘的社交用户数据分析和画像构建过程。 本书既可作为高等院校人工智能、计算机、大数据等专业相关课程的教材，也可作为大数据分析人员的技术参考书。

Python机器学习——数据建模与分析推荐评语：

本书采用理论与实践相结合的方式，引导读者以Python为工具，以机器学习为方法，进行数据的建模与分析。本书共13章，对机器学习的原理部分进行了深人透彻的讲解，对机器学习算法部分均进行了Python实现。除前两章外，各章都给出了可实现的实践案例，并全彩呈现数据可视化图形。 本书兼具知识的深度和广度，在理论上突出可读性，在实践上强调可操作性，实践案例具备较强的代表性。随书提供全部案例的数据集、源代码、教学PPT、关键知识点教学辅导视频，具备较高实用性。 本书既可以作为数据分析从业人员的参考书，也可作为高等院校数据分析、机器学习等专业课程的教材。

没有什么是一蹴而就的，只默默在背后下功夫，慢慢积累，总有一天，你会感谢自己当初的选择！

（想要购书链接的去评论区）

（想要购书链接的去评论区）

（想要购书链接的去评论区）

版权声明：本文基于CC协议，以分享为目的，转载于今日头条，版权归原作者，如侵权请联系我们删除，内容仅供参考，不代表本站建议！