Python科学计算和数据科学应用 使用NumPy、SciPy和matplotlib(第2版) 9787302552802
全新正版 _可开发票_极速发货
￥ 134.71 6.8折 ￥ 198 全新
库存16件
天津西青
认证卖家担保交易快速发货售后保障
作者(美)罗伯特·约翰逊
出版社清华大学出版社
ISBN9787302552802
出版时间2020-06
装帧平装
开本16开
定价198元
货号1202083357
上书时间2024-07-05
- 在售商品 暂无
- 平均发货时间 15小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
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很好实践，以便能在这些领域取得优选的成果：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
1.1Python数值计算环境3
1.2Python4
1.3IPython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
1.3.5IPython扩展8
1.4Jupyter13
1.4.1Jupyter QtConsole13
1.4.2Jupyter Notebook14
1.4.3Jupyter Lab16
1.4.4单元类型16
1.4.5编辑单元17
1.4.6Markdown单元18
1.4.7输出显示19
1.4.8nbconvert22
1.5Spyder集成开发环境24
1.5.1源代码编辑器25
1.5.2Spyder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
2.2NumPy 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
2.3.5Meshgrid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SymPy67
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
4.3Figure对象101
4.4Axes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
4.5Axes不错布局119
4.5.1图中图119
4.5.2plt.subplots121
4.5.3plt.subplot2grid123
4.5.4GridSpec123
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ODE217
9.3.1方向场222
9.3.2使用拉普拉斯变换求解ODE225
9.4数值法求解ODE228
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
0章稀疏矩阵和图245
10.1导入模块245
10.2SciPy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
1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PDE275
11.6本章小结293
11.7扩展阅读294
11.8参考文献294
2章数据处理和分析295
12.1导入模块296
12.2Pandas介绍296
12.2.1Series对象296
12.2.2DataFrame对象299
12.2.3时间序列307
12.3Seaborn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
3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
4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
5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
6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
7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
17.3.2FIR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
8章数据的输入输出435
18.1导入模块436
18.2CSV格式436
18.3HDF5440
18.3.1h5py库441
18.3.2PyTables库451
18.3.3PandasHDFStore455
18.4JSON456
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
9章 代码优化465
19.1导入模块467
19.2Numba467
19.3Cython473
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
内容摘要
《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。
主编推荐
"图书特色
◆ 使用NumPy处理数组和矩阵
◆ 使用matplotlib绘图和可视化数据
◆ 使用Pandas和SciPy进行数据分析
◆ 使用statsmodels和scikit-learn进行统计
建模和机器学习
◆ 使用Numba和Cython优化Python代码"
— 没有更多了 —
以下为对购买帮助不大的评价