资源。
1. 机器学习
Anaconda或Canopy的Python发行版本身就具备了一些捆绑库，如SciPy、numpy、scikit等，它们可用于数据分析及其他与NLP相关领域的应用。
1.1. 优质教程
《Google Python class》的参考资料：https://developers.google.com/edu/python
https://wiki.python.org/moin/BeginnersGuide。
1.2. 机器学习工具箱
http://www.wordle.net/advanced 词云。按频率得到词云图。是在大量非结构化文本中进行可视化处理的一种好方法。也是文本分析领域中相当流行的一种运用。
1.3. 官方网站
https://www.python.org/
https://www.anaconda.com/
http://www.nltk.org/
http://www.nltk.org/install.html 安装说明
https://scikit-learn.org/stable/
https://radimrehurek.com/
https://scrapy.org
http://www.numpy.org/
http://www.scipy.org/
https://pandas.pydata.org/
https://matplotlib.org/
https://dev.twitter.com/overview/api/twitter-libraries
https://developers.facebook.com/
1.4. 技术博客
sujitpal.blogspot.com
2. python
2.1. PYTHON3添加的新特性：
如果你已经将项目迁移到Python 3.0+，那就务必参阅下面链接中的说明
https://docs.python.org/3/whatsnew/3.4.html。
2.2. python版本差异
Python（建议是2.7版）、
GCC编译器
对于其他任意的开源系统来说，应该保守地选择一个更稳定的版本，而不是贸然跳到最新版本。
对于基于UNIX的系统，Python属于默认程序（无须任何设置）。而Windows用户则需要通过设置相关路径来使Python进入正常工作状态。
2.3. 确认某包是否被安装
import <包名>
3. 资源整理
3.1. packtpub
3.1.1. 代码下载
在http://www.packtpub.com 自己的账户页面中找到所有已购买的Packt图书，并下载相关的实例代码。
别处购买的图书，通过访问 http://www.packtpub.com/support 注册有关文件，电子邮件查收代码
3.1.2. 读者反馈
出书：你对某一话题有专长，并且有兴趣写（或奉献）一本这方面的书，请参考我们的作者指南：www.packtpub.com/authors。
反馈：一般的反馈，给feedback@packtpub.com发一份电子邮件，并在邮件的标题中注明这本书的书名
疑问：有疑问，联系questions@packtpub.com
版权：怀疑有侵权行为的文档链接发送到：copyright@packetpub.com
纠错：发现错误时，访问http://www.packtpub.com/submit-errata，选择相应的书名，然后单击“errata submissionorm”链接并输入相关错误的详细信息
查记录：查看先前已提交的勘误信息，访问 https://www.packtpub.com/books/ content/support，并在其搜索域中输入相关图书的名称
3.1.3. 版权
在互联网上，版权对于所有媒介而言一直是一个很大的问题。在Packet，我们向来对于版权许可非常重视。如果你在网络上发现任何形式的我们出版过的作品，都请马上将网址或网站名称告知我们，以便于我们采取补救措施。
你付出的帮助是对作者权利的保护，我们也由此才能继续为你带来有价值的内容。