《Python科學計算和數據科學套用（第2版） 使用NumPy,SciPy和matplo》是2020年6月清華大學出版社出版的圖書，作者是[美]羅伯特·詹森(Robert Johansson) 。
基本介紹
- 中文名：Python科學計算和數據科學套用（第2版） 使用NumPy,SciPy和matplo
- 作者：羅伯特·詹森
- 譯者：黃強
- 出版社：清華大學出版社
- 出版時間：2020年6月1日
- 定價：198 元
- ISBN：9787302552802
內容簡介,作者簡介,圖書目錄,
內容簡介
《Python科學計算和數據科學套用(第2版) 使用NumPy、SciPy和matplotlib》全面介紹Python在數值計算和數學領域的模組、標準滲臭頸庫以及多個開源Python庫，如NumPy、SciPy、FiPy、matplotlib等。在上一版的基礎上，本書做了全面修訂，更新了每個包的更新細節以及Jupyter項目的變化，演示了數值計算和數學建模在大數據、雲計算、金融工程、商業管理等領域的套用。 本書提供了Python在數據科學和統計分析中很多新的套用示例，對上一版中的示例進行了擴展，每個示慨拘判籃例都充分展示了Python的簡潔芝估白語法及其數據分析方法在快速開發和探索性計算方面的強大功能。
作者簡介
Robert Johansson是一位經驗豐富的Python程式設計師和計算科學家，他擁有瑞典查爾斯理工大學理論物理學博士學位。他在學術界和工業界從事科學計算工作超過10年寒驗承盛，既參與過開源項目的開發，也做協閥過專有性研究項目的開發。在開源領域，他為QuTip項目做出了很多貢獻，QuTip項目是一個很流行的用於模擬量子系統動力學的Python框架，他還為科學計算領域的其他幾個Python庫嫌戒雄做出過貢獻。Robert對科學計算和軟體開發充滿熱情，並熱衷於傳授和交流這方面的最佳實踐，以便能在這些領域取得最好的成果：新穎的、可重現的、可擴展的計算結果。Robert在理論物理和計算物理領域有5年的研究背景，目前他是IT行業的數據科學家。
黃強，本科和碩士分別畢業於中山大學和中國科學院研究生院，目前在一家國有銀行從事信息科技方面的工作。對信息技術的前沿發展及套用有著濃厚的興趣，包括雲計算、人工智慧、金融科技等，翻譯過多本技術專著。
圖書目錄
第1章 科學計算介紹 1
1.1 Python數值計算環境 3
1.2 Python 4
1.3 IPython控制台 5
1.3.1 輸入輸出快取 6
1.3.2 自動補全和對象自省(Object Introspection) 6
1.3.3 文檔 7
1.3.4 與系統shell進行互動 7
1.3.5 IPython擴展 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 單元類型 16
1.4.5 編輯單元 17
1.4.6 Markdown單元 18
1.4.7 輸出顯示 19
1.4.8 nbconvert 22
1.5 Spyder集成開發環境 24
1.5.1 原始碼編輯器 25
1.5.2 Spyder控制台 26
1.5.3 對象查看器 26
1.6 本章小結 26
1.7 擴展閱讀 27
1.8 參考文獻 27
第2章 向量、矩陣和多維數組 29
2.1 導入模組 30
2.2 NumPy Array對象 30
2.2.1 數據類型 31
2.2.2 記憶體中數組數據的順序 33
2.3 創建數組 34
2.3.1 從列表和其他類數組對象創建數組 35
2.3.2 以常量填充的數組 35
2.3.3 以增量序列填充的數組 36
2.3.4 以等比數列填充的數組 37
2.3.5 Meshgrid數組 37
2.3.6 創建未初始化的數組 38
2.3.7 使用其他數組的屬性創建數組 38
2.3.8 創建矩陣數組 38
2.4 索引和切片 39
2.4.1 一維數組 39
2.4.2 多維數組 41
2.4.3 視圖 42
2.4.4 花式索引和布爾索引 43
2.5 調整形狀和大小 45
2.6 向量化表達式 48
2.6.1 算術運算 49
2.6.2 逐個元勸甩淚素進行操作的函式 52
2.6.3 聚合函式 54
2.6.4 布爾數組和條件表達式 56
2.6.5 集合運算 59
2.6.6 數組運算 60
2.7 矩陣和向量運算 61
2.8 本章小結 66
2.9 擴展閱讀 66
2.10 參考文獻 66
第3章 符號計算 67
3.1 導入SymPy 67
3.2 符號 68
3.3 表達式 74
3.4 表達式操作 76
3.4.1 化簡 76
3.4.2 展開 77
3.4.3 因式分解、合併同類項 78
3.4.4 分式分解、通分、消除公因子 79
3.4.5 替換 79
3.5 數值計算 80
3.6 微積分 81
3.6.1 導數 81
3.6.2 積分 83
3.6.3 級數展開 85
3.6.4 極限 86
3.6.5 和與積 87
3.7 方程 88
3.8 線性代數 89
3.9 本章小結 92
3.10 擴展閱讀 93
3.11 參考文獻 93
第4章 繪圖和可視化 95
4.1 導入模組 96
4.2 入門 96
4.3 Figure對象 101
4.4 Axes實例 102
4.4.1 繪圖類型 103
4.4.2 線條屬性 103
4.4.3 圖例 107
4.4.4 文本格式和注釋 108
4.4.5 軸屬性 110
4.5 Axes高級布局 119
4.5.1 圖中圖 119
4.5.2 plt.subplots 121
4.5.3 plt.subplot2grid 123
4.5.4 GridSpec 123
4.6 繪製色圖 124
4.7 繪製3D圖形 126
4.8 本章小結 128
4.9 擴展閱讀 128
4.10 參考文獻 129
第5章 方程求解 131
5.1 導入模組 131
5.2 線性方程組 132
5.2.1 方形方程組 133
5.2.2 矩形方程組 137
5.3 特徵值問題 141
5.4 非線性方程 142
5.4.1 單變數方程 142
5.4.2 非線性方程組 149
5.5 本章小結 152
5.6 擴展閱讀 152
5.7 參考文獻 153
第6章 最佳化 155
6.1 導入模組 155
6.2 最佳化問題的分類 156
6.3 單變數最佳化 158
6.4 無約束的多變數最佳化問題 160
6.5 非線性最小二乘問題 167
6.6 受約束的最佳化問題 168
6.7 本章小結 175
6.8 擴展閱讀 175
6.9 參考文獻 176
第7章 插值 177
7.1 導入模組 177
7.2 插值概述 178
7.3 多項式 179
7.4 多項式插值 181
7.5 樣條插值 185
7.6 多變數插值 188
7.7 本章小結 193
7.8 擴展閱讀 193
7.9 參考文獻 193
第8章 積分 195
8.1 導入模組 196
8.2 數值積分方法 196
8.3 使用SciPy進行數值積分 199
8.4 多重積分 204
8.5 符號積分和任意精度積分 208
8.6 積分變換 211
8.7 本章小結 214
8.8 擴展閱讀 214
8.9 參考文獻 214
第9章 常微分方程 215
9.1 導入模組 215
9.2 常微分方程 216
9.3 使用符號方法求解ODE 217
9.3.1 方向場 222
9.3.2 使用拉普拉斯變換求解ODE 225
9.4 數值法求解ODE 228
9.5 使用SciPy對ODE進行
數值積分 231
9.6 本章小結 242
9.7 擴展閱讀 242
9.8 參考文獻 243
第10章 稀疏矩陣和圖 245
10.1 導入模組 245
10.2 SciPy中的稀疏矩陣 246
10.2.1 創建稀疏矩陣的函式 250
10.2.2 稀疏線性代數函式 252
10.2.3 線性方程組 252
10.2.4 圖和網路 257
10.3 本章小結 264
10.4 擴展閱讀 264
10.5 參考文獻 264
第11章 偏微分方程 265
11.1 導入模組 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 本章小結 293
11.7 擴展閱讀 294
11.8 參考文獻 294
第12章 數據處理和分析 295
12.1 導入模組 296
12.2 Pandas介紹 296
12.2.1 Series對象 296
12.2.2 DataFrame對象 299
12.2.3 時間序列 307
12.3 Seaborn圖形庫 317
12.4 本章小結 321
12.5 擴展閱讀 322
12.6 參考文獻 322
第13章 統計 323
13.1 導入模組 323
13.2 機率統計回顧 324
13.3 隨機數 325
13.4 隨機變數及其分布 328
13.5 假設檢驗 335
13.6 非參數法 339
13.7 本章小結 341
13.8 擴展閱讀 341
13.9 參考文獻 341
第14章 統計建模 343
14.1 導入模組 344
14.2 統計建模簡介 344
14.3 使用Patsy定義統計模型 345
14.4 線性回歸 352
14.5 離散回歸 360
14.5.1 對數幾率回歸 361
14.5.2 泊松回歸模型 365
14.6 時間序列 368
14.7 本章小結 372
14.8 擴展閱讀 372
14.9 參考文獻 372
第15章 機器學習 373
15.1 導入模組 374
15.2 機器學習回顧 374
15.3 回歸 375
15.4 分類 384
15.5 聚類 388
15.6 本章小結 391
15.7 擴展閱讀 392
15.8 參考文獻 392
第16章 貝葉斯統計 393
16.1 導入模組 394
16.2 貝葉斯統計簡介 394
16.3 定義模型 396
16.3.1 後驗分布採樣 400
16.3.2 線性回歸 403
16.4 本章小結 413
16.5 擴展閱讀 413
16.6 參考文獻 413
第17章 信號處理 415
17.1 導入模組 415
17.2 頻譜分析 416
17.2.1 傅立葉變換 416
17.2.2 加窗 421
17.2.3 頻譜圖 424
17.3 信號濾波器 427
17.3.1 卷積濾波器 428
17.3.2 FIR和IIR濾波器 429
17.4 本章小結 434
17.5 擴展閱讀 434
17.6 參考文獻 434
第18章 數據的輸入輸出 435
18.1 導入模組 436
18.2 CSV格式 436
18.3 HDF5 440
18.3.1 h5py庫 441
18.3.2 PyTables庫 451
18.3.3 Pandas HDFStore 455
18.4 JSON 456
18.5 序列化 460
18.6 本章小結 462
18.7 擴展閱讀 462
18.8 參考文獻 463
第19章 代碼最佳化 465
19.1 導入模組 467
19.2 Numba 467
19.3 Cython 473
19.4 本章小結 482
19.5 擴展閱讀 483
19.6 參考文獻 483
附錄 安裝 485
1.4.7 輸出顯示 19
1.4.8 nbconvert 22
1.5 Spyder集成開發環境 24
1.5.1 原始碼編輯器 25
1.5.2 Spyder控制台 26
1.5.3 對象查看器 26
1.6 本章小結 26
1.7 擴展閱讀 27
1.8 參考文獻 27
第2章 向量、矩陣和多維數組 29
2.1 導入模組 30
2.2 NumPy Array對象 30
2.2.1 數據類型 31
2.2.2 記憶體中數組數據的順序 33
2.3 創建數組 34
2.3.1 從列表和其他類數組對象創建數組 35
2.3.2 以常量填充的數組 35
2.3.3 以增量序列填充的數組 36
2.3.4 以等比數列填充的數組 37
2.3.5 Meshgrid數組 37
2.3.6 創建未初始化的數組 38
2.3.7 使用其他數組的屬性創建數組 38
2.3.8 創建矩陣數組 38
2.4 索引和切片 39
2.4.1 一維數組 39
2.4.2 多維數組 41
2.4.3 視圖 42
2.4.4 花式索引和布爾索引 43
2.5 調整形狀和大小 45
2.6 向量化表達式 48
2.6.1 算術運算 49
2.6.2 逐個元素進行操作的函式 52
2.6.3 聚合函式 54
2.6.4 布爾數組和條件表達式 56
2.6.5 集合運算 59
2.6.6 數組運算 60
2.7 矩陣和向量運算 61
2.8 本章小結 66
2.9 擴展閱讀 66
2.10 參考文獻 66
第3章 符號計算 67
3.1 導入SymPy 67
3.2 符號 68
3.3 表達式 74
3.4 表達式操作 76
3.4.1 化簡 76
3.4.2 展開 77
3.4.3 因式分解、合併同類項 78
3.4.4 分式分解、通分、消除公因子 79
3.4.5 替換 79
3.5 數值計算 80
3.6 微積分 81
3.6.1 導數 81
3.6.2 積分 83
3.6.3 級數展開 85
3.6.4 極限 86
3.6.5 和與積 87
3.7 方程 88
3.8 線性代數 89
3.9 本章小結 92
3.10 擴展閱讀 93
3.11 參考文獻 93
第4章 繪圖和可視化 95
4.1 導入模組 96
4.2 入門 96
4.3 Figure對象 101
4.4 Axes實例 102
4.4.1 繪圖類型 103
4.4.2 線條屬性 103
4.4.3 圖例 107
4.4.4 文本格式和注釋 108
4.4.5 軸屬性 110
4.5 Axes高級布局 119
4.5.1 圖中圖 119
4.5.2 plt.subplots 121
4.5.3 plt.subplot2grid 123
4.5.4 GridSpec 123
4.6 繪製色圖 124
4.7 繪製3D圖形 126
4.8 本章小結 128
4.9 擴展閱讀 128
4.10 參考文獻 129
第5章 方程求解 131
5.1 導入模組 131
5.2 線性方程組 132
5.2.1 方形方程組 133
5.2.2 矩形方程組 137
5.3 特徵值問題 141
5.4 非線性方程 142
5.4.1 單變數方程 142
5.4.2 非線性方程組 149
5.5 本章小結 152
5.6 擴展閱讀 152
5.7 參考文獻 153
第6章 最佳化 155
6.1 導入模組 155
6.2 最佳化問題的分類 156
6.3 單變數最佳化 158
6.4 無約束的多變數最佳化問題 160
6.5 非線性最小二乘問題 167
6.6 受約束的最佳化問題 168
6.7 本章小結 175
6.8 擴展閱讀 175
6.9 參考文獻 176
第7章 插值 177
7.1 導入模組 177
7.2 插值概述 178
7.3 多項式 179
7.4 多項式插值 181
7.5 樣條插值 185
7.6 多變數插值 188
7.7 本章小結 193
7.8 擴展閱讀 193
7.9 參考文獻 193
第8章 積分 195
8.1 導入模組 196
8.2 數值積分方法 196
8.3 使用SciPy進行數值積分 199
8.4 多重積分 204
8.5 符號積分和任意精度積分 208
8.6 積分變換 211
8.7 本章小結 214
8.8 擴展閱讀 214
8.9 參考文獻 214
第9章 常微分方程 215
9.1 導入模組 215
9.2 常微分方程 216
9.3 使用符號方法求解ODE 217
9.3.1 方向場 222
9.3.2 使用拉普拉斯變換求解ODE 225
9.4 數值法求解ODE 228
9.5 使用SciPy對ODE進行
數值積分 231
9.6 本章小結 242
9.7 擴展閱讀 242
9.8 參考文獻 243
第10章 稀疏矩陣和圖 245
10.1 導入模組 245
10.2 SciPy中的稀疏矩陣 246
10.2.1 創建稀疏矩陣的函式 250
10.2.2 稀疏線性代數函式 252
10.2.3 線性方程組 252
10.2.4 圖和網路 257
10.3 本章小結 264
10.4 擴展閱讀 264
10.5 參考文獻 264
第11章 偏微分方程 265
11.1 導入模組 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 本章小結 293
11.7 擴展閱讀 294
11.8 參考文獻 294
第12章 數據處理和分析 295
12.1 導入模組 296
12.2 Pandas介紹 296
12.2.1 Series對象 296
12.2.2 DataFrame對象 299
12.2.3 時間序列 307
12.3 Seaborn圖形庫 317
12.4 本章小結 321
12.5 擴展閱讀 322
12.6 參考文獻 322
第13章 統計 323
13.1 導入模組 323
13.2 機率統計回顧 324
13.3 隨機數 325
13.4 隨機變數及其分布 328
13.5 假設檢驗 335
13.6 非參數法 339
13.7 本章小結 341
13.8 擴展閱讀 341
13.9 參考文獻 341
第14章 統計建模 343
14.1 導入模組 344
14.2 統計建模簡介 344
14.3 使用Patsy定義統計模型 345
14.4 線性回歸 352
14.5 離散回歸 360
14.5.1 對數幾率回歸 361
14.5.2 泊松回歸模型 365
14.6 時間序列 368
14.7 本章小結 372
14.8 擴展閱讀 372
14.9 參考文獻 372
第15章 機器學習 373
15.1 導入模組 374
15.2 機器學習回顧 374
15.3 回歸 375
15.4 分類 384
15.5 聚類 388
15.6 本章小結 391
15.7 擴展閱讀 392
15.8 參考文獻 392
第16章 貝葉斯統計 393
16.1 導入模組 394
16.2 貝葉斯統計簡介 394
16.3 定義模型 396
16.3.1 後驗分布採樣 400
16.3.2 線性回歸 403
16.4 本章小結 413
16.5 擴展閱讀 413
16.6 參考文獻 413
第17章 信號處理 415
17.1 導入模組 415
17.2 頻譜分析 416
17.2.1 傅立葉變換 416
17.2.2 加窗 421
17.2.3 頻譜圖 424
17.3 信號濾波器 427
17.3.1 卷積濾波器 428
17.3.2 FIR和IIR濾波器 429
17.4 本章小結 434
17.5 擴展閱讀 434
17.6 參考文獻 434
第18章 數據的輸入輸出 435
18.1 導入模組 436
18.2 CSV格式 436
18.3 HDF5 440
18.3.1 h5py庫 441
18.3.2 PyTables庫 451
18.3.3 Pandas HDFStore 455
18.4 JSON 456
18.5 序列化 460
18.6 本章小結 462
18.7 擴展閱讀 462
18.8 參考文獻 463
第19章 代碼最佳化 465
19.1 導入模組 467
19.2 Numba 467
19.3 Cython 473
19.4 本章小結 482
19.5 擴展閱讀 483
19.6 參考文獻 483
附錄 安裝 485
