今天是元旦，小編祝大家元旦快樂！多拿年終獎。今天帶大家盤點一下2021年出版的程式設計師新書中豆瓣評分8.0以上的書。順序是出版時間的倒序。

1、計算之魂 : 計算科學品位和認知進階 豆瓣評分9.4

吳軍 著

1.《數學之美》姊妹篇，吳軍博士時隔近10年在科技領域的重磅新作。

2.李國傑院士、鄭緯民院士作序推薦，快手聯合創始人宿華、拼多duo聯合創始人陳磊傾情推薦。

3.一部通過演演算法例題來闡述計算思維之妙的大作。全書的例題+思考題100+，是作者在谷歌、騰訊使用過的面試題，或是頭部網際網路企業、金融企業的面試題，。

4.五級工程師提升能力、不斷向上發展的方法論。

5.附贈大幅思維導圖摺頁+思維導圖電子版+精美書籤+增值視訊+題目索引電子版。

作者在書中結合自己對計算機工程師的五級分級標準，詳細講解了每類題目不同層次的解決方法、不同水平的人大約能思考到什麼樣的深度，深度闡述題目背後的電腦科學精髓。通過對比優化解題思路，讀者不僅可以衡量自己的水平，在職業的發展道路上走得更快，更可以深刻理解並掌握電腦科學和計算思維，逐漸把握電腦科學這門藝術，獲得重複性成功。
 

2、什麼塑造了今天的程式設計世界 : 漫畫程式設計歷史大事件（2022年周曆版）豆瓣評分8.6

西喬，霍炬 著

《什麼塑造了今天的程式設計世界：漫畫程式設計歷史大事件》是一本新穎的「風琴折」形式的文化周曆，精選200年間56個改變程式設計世界的關鍵節點，兼顧廣度和深度，貫穿多條技術領域的演化線索。四分冊「風琴折」圖文長卷，全綵印刷，一面是凝練博見、妙趣橫生的程式設計發展簡史，以「簡練的文字描述+生動精美的漫畫場景」展示程式設計世界的演變進化；另一面是可自由發揮的2022年周曆書寫頁，留給你創造屬於自己的歷史，小巧精緻，值得收藏。

開啟風琴摺頁就如同坐上時光機，帶你展開不同尋常的程式設計歷史時間線漫遊。

本書專為程式設計師和IT從業者繪製編寫，也適合所有對程式設計文化、科技發展史感興趣的人群。
 

3、Python，不加班——輕鬆實現辦公自動化 豆瓣評分8.7

何華平 著

這是一本關於如何利用Python提高日常辦公效率的書，書中凝聚了作者多年的實踐經驗和獨特思考，旨在幫助讀者準確、高效地完成大量高重複度的工作。

《學Python，不加班：輕鬆實現辦公自動化》彙集了日常辦公和處理檔案時常見的問題，通過範例的演示與講解，幫助讀者靈活有效地使用Python處理工作中遇到的問題。全書共11章，涵蓋Python的各種應用場景，具體包括檔案管理自動化，網路資訊自動獲取，TXT、XLS／XLSX、DOC／DOCX、PPT、PDF、圖片檔案的自動化處理，模擬滑鼠、鍵盤操控本地軟體，自動化執行管理等。本書力圖淡化程式設計中的抽象概念，貼合工作場景，注重實戰效果，通過對Python技術的巧妙講解，幫助讀者成為高效率的辦公室「超人」。

《學Python，不加班：輕鬆實現辦公自動化》適合任何想要學習Python程式設計的讀者，尤其適合缺乏程式設計經驗的初學者。同時本書提供所有案例的原始碼檔案，方便讀者邊學邊練，愛上Python程式設計。

4、資料結構與演演算法之美 豆瓣評分8.3

王爭 著

1.好評爆表的極客時間演演算法專欄網紅達人，GitHub上演演算法教學Star數量上萬的作者新作；

2.10多萬人驗證過的、為求職面試者、工程師量身打造的資料結構與演演算法私教課；

3.20個經典資料結構與演演算法，一冊在手，學習演演算法不愁，輕鬆搞定大廠的面試祕籍；

4.100個真實專案場景案例，助力工程師解決專案中的實際演演算法難題；

5.300多幅演演算法手繪圖解，文科生都能學的懂演演算法通關書；

6.力扣（LeetCode）CEO張雲浩（Hercy） 、騰訊T4級專家茹炳晟等專家傾力推薦！

本書分為11章。第1章介紹複雜度分析方法。第2章介紹陣列、連結串列、棧和佇列這些基礎的線性表資料結構。第3章介紹遞迴程式設計技巧、8種經典排序、二分查詢及二分查詢的變體問題。第4章介紹雜湊表、點陣圖、雜湊演演算法和布隆過濾器。第5章介紹樹相關的資料結構，包括二元樹、二叉查詢樹、平衡二叉查詢樹、遞迴樹和B+樹。第6章介紹堆，以及堆的各種應用，包括堆排序、優先順序佇列、求Top K、求中位數和求百分位數。第7章介紹跳錶、並查集、線段樹和樹狀陣列這些比較高階的資料結構。第8章介紹字串匹配演演算法，包括BF演演算法、RK演演算法、BM演演算法、KMP演演算法、Trie樹和AC自動機。第9章介紹圖及相關演演算法，包括深度優先搜尋、廣度優先搜尋、拓撲排序、Dijkstra演演算法、Floyd演演算法、A*演演算法、Z小生成樹演演算法、Z大流演演算法和Z大二分匹配等。第10章介紹4種演演算法思想，包括貪心、分治、回溯和動態規劃。第11章介紹4個經典專案中的資料結構和演演算法的應用，包括Redis、搜尋引擎、鑑許可權流和短網址服務。另外，附錄A為書中的思考題的解答。
 

5、UNIX傳奇 : 歷史與回憶 豆瓣評分8.8

[美] 布萊恩·W.克尼漢（Brian，W.，Kernighan） 著，韓磊 譯

1. 計算機先驅布萊恩·W. 克尼漢，繼《C程式設計語言》後的全新力作！
2. 跨越50年曆史河流，帶你走進貝爾實驗室，親歷IT發展史實。
（1）以肯·湯普森、丹尼斯·裡奇、道格·麥基爾羅伊等傳奇人物小傳，串聯成20世紀一系列重要發明的起源/發展線路圖。
（2）以Unix的誕生與迭代、優秀而開明的管理體制、有遠見的持續投資等精彩故事，揭示出貝爾實驗室如何孕育出科技創新的真相。
（3）以Unix誕生見證者回憶往事的輕鬆口吻和不為人知的有趣圖片，述說Unix的「設計哲學」如何被計算機世界有效利用且延續至今。

本書不但書寫Unix的歷史，而且記錄作者的回憶，一探Unix的起源，試圖解釋什麼是Unix，Unix是如何產生的，以及Unix為何如此重要。除此之外，本書以輕鬆的口吻講述了一群在貝爾實驗室工作的發明天才的有趣往事，本書中每一個故事都是鮮為人知卻又值得傳播的寶貴資源。

6、機器學習公式詳解 豆瓣評分8.9

謝文睿，秦州 著

1.周志華教授「西瓜書」《機器學習》公式完全解析指南！

「南瓜書」系Datawhale成員自學筆記，對「西瓜書」中250個重難點公式做了詳細解析和推導（重難點公式覆蓋率達99%），旨在解決機器學習中的數學難題。

2.機器學習初學小白提升數學基礎能力的必備練習冊！

以本科數學基礎視角對「西瓜書」裡比較難理解的公式加以解析和推導細節，補充大量重、難點數學知識和參考材料，分享在學習中遇到的「坑」以及跳過這個「坑」的方法，對於初學機器學習的小白也能上手練習！

周志華老師的《機器學習》（俗稱「西瓜書」）是機器學習領域的經典入門教材之一。本書（俗稱「南瓜書」）基於Datawhale 成員自學「西瓜書」時記下的筆記編著而成，旨在對「西瓜書」中重難點公式加以解析，以及對部分公式補充具體的推導細節。

全書共16 章，與「西瓜書」章節、公式對應，每個公式的推導和解析都以本科數學基礎的視角進行講解，希望能夠幫助讀者達到「理工科數學基礎紮實點的大二下學期學生」水平。每章都附有相關閱讀材料，以便有興趣的讀者進一步鑽研探索。

本書思路清晰，視角獨特，結構合理，可作為高等院校計算機及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。
 

7、Python程式設計快速上手（第2版） : 讓繁瑣工作自動化 豆瓣評分9.2

[美] 阿爾·斯維加特（Al Sweigart） 著

在本書中，你將學習利用Python程式設計在幾分鐘內完成手動需要幾小時的工作，無須事先具備程式設計經驗。通過閱讀本書，你會學習Python的基本知識，探索Python豐富的模組庫，並完成特定的任務（例如，從網站抓取資料，讀取PDF和Word檔案等）。本書還包括有關輸入驗證的實現方法，以及自動更新CSV檔案的技巧。一旦掌握了程式設計的基礎知識，你就可以毫不費力地建立Python程式，自動化地完成很多繁瑣的工作。

本書是一本面向初學者的Python程式設計實用指南。本書不僅介紹了Python語言的基礎知識，而且通過案例實踐教讀者如何使用這些知識和技能。本書的第一部分介紹了基本的Python程式設計概念，第二部分介紹了一些不同的任務，通過編寫Python程式，可以讓計算機自動完成它們。第二部分的每一章都有一些專案程式供讀者學習。每章的末尾還提供了一些習題和深入的實踐專案，幫助讀者鞏固所學的知識。附錄部分提供了所有習題的解答。
 

8、演演算法設計 9.3

這是一本被眾多名校採用的演演算法設計課程教材，強呼叫實際範例闡明枯燥的演演算法理論，更注重演演算法設計思路而非演演算法複雜度分析。本書採用新穎的教學方式，通過分析真實世界的問題來激發演演算法思想。兩位作者以一種清晰、直接的方式，指導學生自己分析和定義問題，並從中找出適用於給定場景的演演算法設計原則。本書鼓勵讀者更深入地理解演演算法設計過程，探索演演算法在電腦科學的更廣闊領域中的應用。

本書具有以下特色：

• 強調問題分析和設計方法；
• 遵循結構化教學法，引導學生掌握問題形式化、演演算法設計和演演算法分析的全過程；
• 通過一系列帶解答的問題，展示電腦科學家設計和應用演演算法的過程；
• 包含 200 多道作業題，其中一些題目出自 Yahoo! 和 Oracle 等公司；
• 提供廣泛用於處理 NP 困難問題和隨機應用的演演算法，這些是極其重要的演演算法主題。
   

10、機器學習的數學 豆瓣評分8.2

雷明 著

本書的目標是幫助讀者全面、系統地學習機器學習所必須的數學知識。全書由8章組成，力求精準、最小地覆蓋機器學習的數學知識。包括微積分，線性代數與矩陣論，**化方法，概率論，資訊理論，隨機過程，以及圖論。本書從機器學習的角度講授這些數學知識，對它們在該領域的應用舉例說明，使讀者對某些抽象的數學知識和理論的實際應用有直觀、具體的認識。 本書內容緊湊，結構清晰，深入淺出，講解詳細。可用作計算機、人工智慧、電子工程、自動化、數學等相關專業的教材與教學參考書。對人工智慧領域的工程技術人員與產品研發人員，本書也有很強的參考價值。對於廣大數學與應用的數學愛好者，本書亦為適合自學的讀本。