美国大学最近几年出版的数学教材，都会有结合数学软件（MATLAB等CAS)来学习的指导说明，也就是说CAS以及编程已经是大学数学学习的一部分了。不仅如此，在这些数学教材里，都会有大量数学与实际应用相结合的案例与习题，比如物理、化学、生物、经济、计算机、互联网等诸多领域，让你可以深切感受到数学是自然科学的基石，而这些也是国内教材所匮乏的。

线性代数、微积分、概率统计教材推荐

下面这些教材经过千辛万苦终于搜集到了它们的电子版，想要学习的朋友可以在文末查看索取方式

线性代数教材线性代数特别推荐下面两本教材，这两本书都是华章出品的中文版教材：

《线性代数》，史蒂文 J.利昂 (Steven J.Leon)《线性代数及其应用》，戴维 C.雷 (David C.Lay), 史蒂文 R.雷 (Steven R.Lay)

如果你英语比较OK，可以结合的视频教程《麻省理工公开课：线性代数》来看这个视频所用的教材，不过视频录制时间比较早，所用教材也比较落后了，推荐看新版（第4版或第5版）：

《Introduction to Linear Algebra》William Gilbert Strang（威廉·吉尔伯特·斯特朗）

微积分教材微积分教材，简单入门可以看普林斯顿微积分读本以及倚天屠龙，可以主要只看托马斯微积分即可。

《普林斯顿微积分读本》（The Calculus Lifesaver:All the Tools You Need to Excel at Calculus）阿德里安·班纳 (Adrian Banner)《托马斯微积分》（Thomas` Calculus）高等教育出版社出版《微积分之屠龙宝刀》和《微积分之倚天宝剑》，C·亚当斯(Colin Adamx) (作者), J·哈斯(Joel Hass) (作者), A·汤普森(Abigail Thompson) (作者)。这两本书书名不忍直视，不要被表面名称误导哦

概率统计教材

《数理统计与数据分析》(Mathematical Statistics and Data Analysis)JohnA.Rice (作者)《统计学》（Statistics for Engineers and the Sciences）门登霍尔(William Mendenhall), 辛塞奇(Terry Sincich)《统计推断》（Statistical inference） 卡塞拉 (George Casello) (作者), 贝耶 (Roger L.Berger) (作者)

以上教材都要求你使用MATLAB，不过这里建议替换成Python，因为：

一是在数学数据的生产实践方面（尤其是国内找工作），Python比MATLAB的通用性更好；二是Python安装比较方便且免费，不像MATLAB安装有17GB（大小不一，起码10G左右），而且大多国内企业不会购买昂贵的版权（国内外高校例外）；三是Python虽然在数学教材方面不及MATLAB，但是美国不少高校在教学时还是比较推荐Python的，而且MATLAB在数学方面可以做的事情，Python都可以做。

Python 必备软件与库

要用Python学习数学，需要借助一些库才能让它成为超越MATLAB、R、SAS等数学和统计学软件的利器，同时我们也会为大家推荐一种国外比较流行的学习方法就是Cheat Sheet（小抄，索引表），我们也会为大家提供这方面的文档信息。

编程时不需要死记硬背的，但是你一定要善于查询文档，以及可以做到快速搜索、查询并使用，而Cheat Sheet就跟单词本一样，有助于我们快速学习。这种方法类似于思维导图，非常推荐每个初学技术的朋友掌握。

Anaconda与Jupyter NotebookAnaconda指的是一个开源的Python发行版本，其包含了conda、Python等280多左右的科学包及其依赖项，是数据科学家、Python程序员、机器学习/深度学习必备的软件。当然它也支持R。

我们要使用的Numpy、Sympy、Pandas、Matplotlib、Scipy、Seaborn以及Jupyter Notebook等都包含在里面，无需额外下载。自带conda包管理器，可以替代pip，安装管理包；可以非常方便的为不同项目建立不同的运行环境。

conda list #查看安装了哪些包conda install PKGNAME==3.1.4 #安装版本为3.1.4的包conda create --name ENVNAME python=3.6"PKG1>7.6" PKG2 #创建一个名称为ENVNAME,Python版本为3.6，以及不同包版本的环境

Jupyter Notebook是做Python笔记以及学习的必备工具，已经被国外各大高校和Python程序员采用，它支持Python代码的编写、运行、展示等，同时也支持Markdown、LaTex语法。

Scipy Scipy 是Python生态的开源数学、科学、工程计算包集合，在Numpy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。

Numpy NumPy 是Numerical Python的简写，是Python数值计算的基石。它是一个提供多了维数组对象，多种派生对象（如：掩码数组、矩阵）以及用于快速操作数组的函数及API，它包括数学、逻辑、数组形状变换、排序、选择、I/O 、离散傅立叶变换、基本线性代数、基本统计运算、随机模拟等等。

Pandas Pandas 是一个开放源码、BSD许可的库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。

Matplotlib matplotlib 是最流行的用于制图及其他二维数据可视化的Python库。

Sympy SymPy 是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简 洁、易于理解和扩展。它完全由Python写成，不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、概率与统计、物理学等方面的功能

statsmodels statsmodels 是一个统计分析包，提供对许多不同统计模型估计的类和函数，并且可以进行统计测试和统计数据的探索。

正是因为有了以上这些Python开源包，才让Python有底气与巨无霸数学软件MATLAB、巨无霸统计软件SAS以及为数据、统计而生的R语言叫板。

“我自己是一名从事了多年开发的Python老程序员，辞职目前在做自己的Python私人定制课程，今年年初我花了一个月整理了一份最适合2019年学习的Python学习干货，从最基础的到各种框架都有整理，送给每一位喜欢Python小伙伴，想要获取的可以转发文章并关注我的头条。在后台私信我：01，即可免费获取。"