数据学专业涉及多个领域，包括数学、编程、数据处理、机器学习和数据可视化等。以下是一些建议的书籍，涵盖了数据科学的核心内容：

数学基础

《数据科学与工程数学基础》：由华东师范大学数据科学与工程学院教授黄定江撰写，介绍了数据驱动的机器学习和人工智能建模与计算所需的核心数学基础知识，包括数值线性代数、概率论和信息论基础及概率模型估计、最优化方法等。

编程与数据处理

《Python数据科学手册》：Jake VanderPlas编写，涵盖了Python在数据科学中的各种应用，包括数据处理、数据分析和机器学习等，适合初学者和进阶用户。

《学习 Pandas——使Python 数据发现和分析变得容易》：迈克尔·海特撰写，专注于Pandas库的使用，适合初学者。

《学习Pandas库》：马特·哈里森撰写，简单、准确、通俗地介绍了Pandas库的使用。

《数据分析与可视化》：张涛撰写，介绍了目前流行的数据分析和数据可视化工具，包括NumPy、Matplotlib和Pandas。

机器学习

《机器学习》：Tom M. Mitchell编写，是机器学习领域的经典教材。

《统计学习基础》：适合统计和机器学习的基础学习。

大数据处理

《Hadoop权威指南》：Tom White编写，是学习Hadoop的权威教材。

《Spark快速大数据分析》：介绍了Spark大数据处理技术。

《NoSQL精粹》：涵盖了NoSQL数据库的相关知识。

数据挖掘与数据可视化

《数据挖掘概念与技术》：适合数据挖掘的基础学习。

《数据可视化实战》：介绍了数据可视化工具和技术。

其他相关书籍

《深入浅出数据分析》：适合数据分析的入门者，通过生动的故事和案例介绍数据分析的基本步骤和应用。

《啤酒与尿布》：通过经典案例介绍数据挖掘的应用。

《数据之美》：介绍数据分析的应用领域和具体做法。

《集体智慧编程》：通过实际例子介绍机器学习和数据挖掘中的算法。

《Building Machine Learning Systems with Python》：介绍如何使用Python构建机器学习系统。

这些书籍可以帮助你建立数据科学的基础知识体系，并掌握相关的编程技能和工具。根据你的学习目标和兴趣，可以选择相应的书籍进行深入学习和实践。