python三本经典书籍有：《深度学习入门：基于Python的理论与实现》，《Python高性能（第2版）》，《Python科学计算最佳实践：SciPy指南》。
1、《深度学习入门：基于Python的理论与实现》
本书深入浅出地剖析了深度学习的原理和相关技术，使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。
Python提供了大量的第三方模块，使用方式与标准库类似。它们的功能无所不包，覆盖科学计算、Web开发、数据库接口、图形系统多个领域，并且大多成熟而稳定。第三方模块可以使用Python或者C语言编写。
SWIG,SIP常用于将C语言编写的程序库转化为Python模块。Boost C++ Libraries包含了一组库，Boost.Python，使得以 Python 或 C++ 编写的程序能互相调用。借助于拥有基于标准库的大量工具、能够使用低级语言如C和可以作为其他库接口的C++，Python已成为一种强大的应用于其他语言与工具之间的胶水语言。
2、《Python高性能（第2版）》
本书主要介绍如何让Python程序发挥强大性能，内容涵盖针对数值计算和科学代码的优化，以及用于提高Web服务和应用响应速度的策略。
具体内容有：
图形处理：有PIL、Tkinter等图形库支持，能方便进行图形处理。
数学处理：NumPy扩展提供大量与许多标准数学库的接口。
文本处理：python提供的re模块能支持正则表达式，还提供SGML，XML分析模块，许多程序员利用python进行XML程序的开发。
数据库编程：程序员可通过遵循Python DB-API（数据库应用程序编程接口）规范的模块与Microsoft SQL Server，Oracle，Sybase，DB2，MySQL、SQLite等数据库通信。python自带有一个Gadfly模块，提供了一个完整的SQL环境。
3、《Python科学计算最佳实践：SciPy指南》
本书旨在介绍开源的Python算法库和数学工具包SciPy。近年来，基于NumPy和SciPy的完整生态系统迅速发展，并在天文学、生物学以及材料科学等多个学科得到了广泛应用。
本书结合大量代码实例，详尽展示了SciPy的强大科学计算能力，包括用NumPy和SciPy进行分位数标准化，用Ndimage实现图像区域网络、频率与快速傅里叶变换，用稀疏坐标矩阵实现列联表、SciPy中的线性代数、SciPy中的函数优化等。
