《高等數學——基於Python的實現》是一本2020年出版的圖書，由電子工業出版社出版
基本介紹
- 書名：高等數學——基於Python的實現
- 作者：官金蘭
- 出版社：電子工業出版社
- 出版時間：2020年
- 開本：16 開
- ISBN：9787121382437
內容簡介,作者簡介,目錄,
內容簡介
本書旨在用通俗易懂的語言介紹一元微積分、線性代數初步等高等數學基礎知識，並通過Python展示基礎知識的套用。本書包含Python簡介，積分學，微分學，線性代數，數據預處理，Matplotlib數據可視化, 歷年數學建模競賽案例。
作者簡介
官金蘭，女，華南農業大學生物數學專業研究生畢業，廣東農工商職業技術學院數學教研室主任，主持多項省部級教學改革研究課題，指導學生獲得多項全國數學建模一等獎，具有豐富的實踐和教學經驗。
目錄
第1章 Python基礎 1
1.1 初識 Python 1
1.1.1 Python 語言 1
1.1.2 Python 語言的發展歷史 1
1.1.3 Python 語言的特點 2
1.2 搭建 Python 環境 3
1.2.1 在 Windows 平台安裝 Python 3
1.2.2 Path 環境變數設定 6
1.2.3 Python 互動式視窗的打開方式 7
1.3 常見的 Python IDE 10
1.4 安裝與使用 PyCharm 10
1.4.1 安裝 PyCharm 10
1.4.2 配置 PyCharm 14
1.4.3 使用 PyCharm 15
1.4.4 Python 編程初試 19
1.4.5 在 PyCharm 中安裝第三方庫 21
第2章 一元函式微分及其套用 25
2.1 函式及其相關概念 25
2.1.1 函式概念 25
2.1.2 函式的複合運算 27
2.1.3 數學模型方法概述 29
2.2 極限與連續 31
2.2.1 數列極限 31
2.2.2 函式f (x)的極限 33
2.3 導數與微分 44
2.3.1 函式的局部變化率—導數 44
2.3.2 導數的計算 46
2.3.3 微分及其計算 51
2.4 導數的套用 54
2.4.1 極大值和極小值—函式的局部性質 54
2.4.2 值和小值—函式的整體性質 55
2.4.3 函式的凹凸性與拐點 58
2.4.4 洛必達法則—計算未定式極限的一般方法 61
2.5 一元函式微分的 Python 實現 64
2.5.1 實驗一 變數與函式 64
2.5.2 實驗二 利用 Python 進行基本數學運算 68
2.5.3 實驗三 利用 Python 繪製平面曲線 69
2.5.4 實驗四 求解函式極限 72
2.5.5 實驗五 求解函式導數 76
2.5.6 實驗六 導數的套用 78
第3章 一元函式積分及其套用 87
3.1 不定積分的概念及其計算 87
3.1.1 積分學的起源 87
3.1.2 原函式與不定積分的概念 87
3.1.3 不定積分的計算 90
3.2 定積分的概念及其計算 99
3.2.1 定積分的概念 99
3.2.2 如何求定積分 的值 101
3.2.3 定積分的套用 104
3.3 一元函式積分的 Python 實現—實驗七 求解函式積分 110
第4章 線性代數初步 115
4.1 矩陣及其運算 115
4.1.1 矩陣的概念 115
4.1.2 矩陣的運算 117
4.1.3 矩陣的轉置 120
4.1.4 逆矩陣 121
4.1.5 矩陣的初等行變換 122
4.1.6 階梯形矩陣 122
4.1.7 矩陣的秩 124
4.1.8 用初等行變換求逆矩陣 125
4.2 線性方程組的求解 128
4.2.1 n元線性方程組的基本概念 128
4.2.2 高斯消元法 130
4.2.3 線性方程組解的判定 131
4.2.4 n元齊次線性方程組解的判定 134
4.3 線性規劃初步 137
4.3.1 線性規劃的基本概念 137
4.3.2 線性規劃問題簡介 139
4.4 線性問題的 Python 實現 145
4.4.1 實驗八 矩陣運算 145
4.4.2 實驗九 求解線性方程組 149
4.4.3 實驗十 線性規劃 151
第5章 數據預處理 159
5.1 數據清洗 159
5.1.1 缺失值分析與處理 159
5.1.2 異常值分析與處理 165
5.1.3 重複值處理 166
5.2 數據標準化 169
5.2.1 Z-score 標準化 169
5.2.2 Min-Max 標準化 171
5.2.3 小數定標標準化 173
5.2.4 Logistic 標準化 173
5.3 數據合併 176
5.3.1 堆疊合併數據 177
5.3.2 主鍵合併數據 178
5.3.3 重疊合併數據 179
5.4 數據離散化 180
5.4.1 數據離散化的原因 181
5.4.2 數據離散化的優勢 181
5.4.3 數據離散化的方法 182
5.5 數據規約 185
5.5.1 屬性規約 185
5.5.2 數值規約 188
5.6 數據預處理的 Python 實現 190
第6章 Matplotlib數據可視化 197
6.1 Matplotlib 簡介 197
6.2 直方圖和條形圖 204
6.3 折線圖 207
6.4 餅圖 209
6.5 箱形圖 211
6.6 散點圖 215
第7章 案例實戰 221
7.1 基於數據挖掘的物質濃度顏色識別 221
7.1.1 背景與數據挖掘目標 221
7.1.2 建模方法與過程 223
7.1.3 模型構建 227
7.2 基於數據挖掘的糖尿病風險預測 230
7.2.1 背景與數據挖掘目標 230
7.2.2 建模方法與過程 232
7.2.3 數據預處理 232
7.2.4 模型構建 235
7.3 基於數據挖掘進行商場會員畫像描繪 238
7.3.1 背景與數據挖掘目標 238
7.3.2 建模方法與過程 239
7.3.3 模型構建 241
