Python科学计算和数据科学应用(第2版)使用NumPy、SciPy和matplotlib（后封面一点水渍痕迹，内无）

图书标准信息

• 作者 [美]罗伯特·约翰逊（Robert Johansson） 著；黄强 译
• 出版社 清华大学出版社
• 出版时间 2020-06
• 版次 1
• ISBN 9787302552802
• 定价 198.00元
• 装帧 其他
• 开本 16开
• 页数 495页
• 字数 0.84千字

【内容简介】

   《Python科学计算和数据科学应用(第2版)  使用NumPy、SciPy和matplotlib》全面介绍Python在数值计算和数学领域的模块、标准库以及多个开源Python库，如NumPy、SciPy、FiPy、matplotlib等。在上一版的基础上，本书做了全面修订，更新了每个包的更新细节以及Jupyter项目的变化，演示了数值计算和数学建模在大数据、云计算、金融工程、商业管理等领域的应用。

 

  本书提供了Python在数据科学和统计分析中很多新的应用示例，对上一版中的示例进行了扩展，每个示例都充分展示了Python的简洁语法及其数据分析方法在快速开发和探索性计算方面的强大功能。

 

  通过阅读本书，读者将熟悉很多计算技术，包括基于数组的计算和符号计算、数据可视化和数值文件读写、方程求解、优化、插值和积分以及特定领域的计算问题，如微分方程求解、数据分析、统计建模和机器学习等。

 

【作者简介】

作者简介

 

Robert Johansson是一位经验丰富的Python程序员和计算科学家，他拥有瑞典查尔斯理工大学理论物理学博士学位。他在学术界和工业界从事科学计算工作超过10年，既参与过开源项目的开发，也做过专有性研究项目的开发。在开源领域，他为QuTip项目做出了很多贡献，QuTip项目是一个很流行的用于模拟量子系统动力学的Python框架，他还为科学计算领域的其他几个Python库做出过贡献。Robert对科学计算和软件开发充满热情，并热衷于传授和交流这方面的最佳实践，以便能在这些领域取得最好的成果：新颖的、可重现的、可扩展的计算结果。Robert在理论物理和计算物理领域有5年的研究背景，目前他是IT行业的数据科学家。

 

 

译者简介

 

黄强，本科和硕士分别毕业于中山大学和中国科学院研究生院，目前在一家国有银行从事信息科技方面的工作。对信息技术的前沿发展及应用有着浓厚的兴趣，包括云计算、人工智能、金融科技等，翻译过多本技术专著。

 

【目录】

目    录

 

 

 

第1章  科学计算介绍  1

 

1.1  Python数值计算环境  3

 

1.2  Python  4

 

1.3  IPython控制台  5

 

1.3.1  输入输出缓存  6

 

1.3.2  自动补全和对象自省(Object Introspection)  6

 

1.3.3  文档  7

 

1.3.4  与系统shell进行交互  7

 

1.3.5  IPython扩展  8

 

1.4  Jupyter  13

 

1.4.1  Jupyter QtConsole  13

 

1.4.2  Jupyter Notebook  14

 

1.4.3  Jupyter Lab  16

 

1.4.4  单元类型  16

 

1.4.5  编辑单元  17

 

1.4.6  Markdown单元  18

 

1.4.7  输出显示  19

 

1.4.8  nbconvert  22

 

1.5  Spyder集成开发环境  24

 

1.5.1  源代码编辑器  25

 

1.5.2  Spyder控制台  26

 

1.5.3  对象查看器  26

 

1.6  本章小结  26

 

1.7  扩展阅读  27

 

1.8  参考文献  27

 

第2章  向量、矩阵和多维数组  29

 

2.1  导入模块  30

 

2.2  NumPy Array对象  30

 

2.2.1  数据类型  31

 

2.2.2  内存中数组数据的顺序  33

 

2.3  创建数组  34

 

2.3.1  从列表和其他类数组对象创建数组  35

 

2.3.2  以常量填充的数组  35

 

2.3.3  以增量序列填充的数组  36

 

2.3.4  以等比数列填充的数组  37

 

2.3.5  Meshgrid数组  37

 

2.3.6  创建未初始化的数组  38

 

2.3.7  使用其他数组的属性创建数组  38

 

2.3.8  创建矩阵数组  38

 

2.4  索引和切片  39

 

2.4.1  一维数组  39

 

2.4.2  多维数组  41

 

2.4.3  视图  42

 

2.4.4  花式索引和布尔索引  43

 

2.5  调整形状和大小  45

 

2.6  向量化表达式  48

 

2.6.1  算术运算  49

 

2.6.2  逐个元素进行操作的函数  52

 

2.6.3  聚合函数  54

 

2.6.4  布尔数组和条件表达式  56

 

2.6.5  集合运算  59

 

2.6.6  数组运算  60

 

2.7  矩阵和向量运算  61

 

2.8  本章小结  66

 

2.9  扩展阅读  66

 

2.10  参考文献  66

 

第3章  符号计算  67

 

3.1  导入SymPy  67

 

3.2  符号  68

 

3.3  表达式  74

 

3.4  表达式操作  76

 

3.4.1  化简  76

 

3.4.2  展开  77

 

3.4.3  因式分解、合并同类项  78

 

3.4.4  分式分解、通分、消除公因子  79

 

3.4.5  替换  79

 

3.5  数值计算  80

 

3.6  微积分  81

 

3.6.1  导数  81

 

3.6.2  积分  83

 

3.6.3  级数展开  85

 

3.6.4  极限  86

 

3.6.5  和与积  87

 

3.7  方程  88

 

3.8  线性代数  89

 

3.9  本章小结  92

 

3.10  扩展阅读  93

 

3.11  参考文献  93

 

第4章  绘图和可视化  95

 

4.1  导入模块  96

 

4.2  入门  96

 

4.3  Figure对象  101

 

4.4  Axes实例  102

 

4.4.1  绘图类型  103

 

4.4.2  线条属性  103

 

4.4.3  图例  107

 

4.4.4  文本格式和注释  108

 

4.4.5  轴属性  110

 

4.5  Axes高级布局  119

 

4.5.1  图中图  119

 

4.5.2  plt.subplots  121

 

4.5.3  plt.subplot2grid  123

 

4.5.4  GridSpec  123

 

4.6  绘制色图  124

 

4.7  绘制3D图形  126

 

4.8  本章小结  128

 

4.9  扩展阅读  128

 

4.10  参考文献  129

 

第5章  方程求解  131

 

5.1  导入模块  131

 

5.2  线性方程组  132

 

5.2.1  方形方程组  133

 

5.2.2  矩形方程组  137

 

5.3  特征值问题  141

 

5.4  非线性方程  142

 

5.4.1  单变量方程  142

 

5.4.2  非线性方程组  149

 

5.5  本章小结  152

 

5.6  扩展阅读  152

 

5.7  参考文献  153

 

第6章  优化  155

 

6.1  导入模块  155

 

6.2  优化问题的分类  156

 

6.3  单变量优化  158

 

6.4  无约束的多变量优化问题  160

 

6.5  非线性最小二乘问题  167

 

6.6  受约束的优化问题  168

 

6.7  本章小结  175

 

6.8  扩展阅读  175

 

6.9  参考文献  176

 

第7章  插值  177

 

7.1  导入模块  177

 

7.2  插值概述  178

 

7.3  多项式  179

 

7.4  多项式插值  181

 

7.5  样条插值  185

 

7.6  多变量插值  188

 

7.7  本章小结  193

 

7.8  扩展阅读  193

 

7.9  参考文献  193

 

第8章  积分  195

 

8.1  导入模块  196

 

8.2  数值积分方法  196

 

8.3  使用SciPy进行数值积分  199

 

8.4  多重积分  204

 

8.5  符号积分和任意精度积分  208

 

8.6  积分变换  211

 

8.7  本章小结  214

 

8.8  扩展阅读  214

 

8.9  参考文献  214

 

第9章  常微分方程  215

 

9.1  导入模块  215

 

9.2  常微分方程  216

 

9.3  使用符号方法求解ODE  217

 

9.3.1  方向场  222

 

9.3.2  使用拉普拉斯变换求解ODE  225

 

9.4  数值法求解ODE  228

 

9.5  使用SciPy对ODE进行

 

数值积分  231

 

9.6  本章小结  242

 

9.7  扩展阅读  242

 

9.8  参考文献  243

 

第10章  稀疏矩阵和图  245

 

10.1  导入模块  245

 

10.2  SciPy中的稀疏矩阵  246

 

10.2.1  创建稀疏矩阵的函数  250

 

10.2.2  稀疏线性代数函数  252

 

10.2.3  线性方程组  252

 

10.2.4  图和网络  257

 

10.3  本章小结  264

 

10.4  扩展阅读  264

 

10.5  参考文献  264

 

第11章  偏微分方程  265

 

11.1  导入模块  266

 

11.2  偏微分方程  266

 

11.3  有限差分法  267

 

11.4  有限元法  272

 

11.5  使用FEniCS求解PDE  275

 

11.6  本章小结  293

 

11.7  扩展阅读  294

 

11.8  参考文献  294

 

第12章  数据处理和分析  295

 

12.1  导入模块  296

 

12.2  Pandas介绍  296

 

12.2.1  Series对象  296

 

12.2.2  DataFrame对象  299

 

12.2.3  时间序列  307

 

12.3  Seaborn图形库  317

 

12.4  本章小结  321

 

12.5  扩展阅读  322

 

12.6  参考文献  322

 

第13章  统计  323

 

13.1  导入模块  323

 

13.2  概率统计回顾  324

 

13.3  随机数  325

 

13.4  随机变量及其分布  328

 

13.5  假设检验  335

 

13.6  非参数法  339

 

13.7  本章小结  341

 

13.8  扩展阅读  341

 

13.9  参考文献  341

 

第14章  统计建模  343

 

14.1  导入模块  344

 

14.2  统计建模简介  344

 

14.3  使用Patsy定义统计模型  345

 

14.4  线性回归  352

 

14.5  离散回归  360

 

14.5.1  对数几率回归  361

 

14.5.2  泊松回归模型  365

 

14.6  时间序列  368

 

14.7  本章小结  372

 

14.8  扩展阅读  372

 

14.9  参考文献  372

 

第15章  机器学习  373

 

15.1  导入模块  374

 

15.2  机器学习回顾  374

 

15.3  回归  375

 

15.4  分类  384

 

15.5  聚类  388

 

15.6  本章小结  391

 

15.7  扩展阅读  392

 

15.8  参考文献  392

 

第16章  贝叶斯统计  393

 

16.1  导入模块  394

 

16.2  贝叶斯统计简介  394

 

16.3  定义模型  396

 

16.3.1  后验分布采样  400

 

16.3.2  线性回归  403

 

16.4  本章小结  413

 

16.5  扩展阅读  413

 

16.6  参考文献  413

 

第17章  信号处理  415

 

17.1  导入模块  415

 

17.2  频谱分析  416

 

17.2.1  傅里叶变换  416

 

17.2.2  加窗  421

 

17.2.3  频谱图  424

 

17.3  信号滤波器  427

 

17.3.1  卷积滤波器  428

 

17.3.2  FIR和IIR滤波器  429

 

17.4  本章小结  434

 

17.5  扩展阅读  434

 

17.6  参考文献  434

 

第18章  数据的输入输出  435

 

18.1  导入模块  436

 

18.2  CSV格式  436

 

18.3  HDF5  440

 

18.3.1  h5py库  441

 

18.3.2  PyTables库  451

 

18.3.3  Pandas HDFStore  455

 

18.4  JSON  456

 

18.5  序列化  460

 

18.6  本章小结  462

 

18.7  扩展阅读  462

 

18.8  参考文献  463

 

第19章 代码优化  465

 

19.1  导入模块  467

 

19.2  Numba  467

 

19.3  Cython  473

 

19.4  本章小结  482

 

19.5  扩展阅读  483

 

19.6  参考文献  483

 

附录  安装  485