中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
Python科學計算機基礎教程 版權信息
- ISBN：9787115436986
- 條形碼：9787115436986 ; 978-7-115-43698-6
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
Python科學計算機基礎教程 本書特色
Python因為其自身的諸多優點而成為科學計算的極佳選擇。本書是將Python 用于科學計算的實用指南，既介紹了相關的基礎知識，又提供了豐富的精彩案例，并為讀者總結了杰出實踐經驗。其主要內容包括：科學計算的基本概念與選擇Python 的理由，科學工作流和科學計算的結構，科學項目相關數據的各個方面，用于科學計算的API 和工具包，如何利用Python 的NumPy 和SciPy 包完成數值計算，用Python 做符號計算，數據分析與可視化，并行與大規模計算，等等。
Python科學計算機基礎教程 內容簡介
全面闡述Python科學計算基礎內容 提供Python科學計算精彩案例 總結科學計算的任務、難點以及*實踐經驗 科學計算概況、結構 使用NumPy和SciPy完成數值計算 使用SymPy進行符號計算的概念和方法 使用matplotlib畫圖程序庫做數據可視化 使用pandas、matplotlib和IPython組合做數據分析與可視化 Python的并行和高性能計算方法 科學計算應用、庫和工具的Python開發案例 方案設計、代碼編寫、高性能計算等科學計算*實踐
Python科學計算機基礎教程 目錄
目錄
第1 章 科學計算概況與選擇Python的理由 1
1.1 科學計算的定義 2
1.2 科學計算的簡單處理流程 3
1.3 科學與工程領域的案例 5
1.4 解決復雜問題的策略 5
1.5 近似、誤差及相關統計概念和術語 6
1.5.1 誤差分析 7
1.5.2 敏感度、穩定性和準確性 7
1.5.3 后向與前向誤差估計 8
1.5.4 誤差可以忽略不計嗎 8
1.6 計算機算術運算和浮點數 8
1.7 Python 編程語言簡介 9目錄
第1 章 科學計算概況與選擇Python的理由 1
1.1 科學計算的定義 2
1.2 科學計算的簡單處理流程 3
1.3 科學與工程領域的案例 5
1.4 解決復雜問題的策略 5
1.5 近似、誤差及相關統計概念和術語 6
1.5.1 誤差分析 7
1.5.2 敏感度、穩定性和準確性 7
1.5.3 后向與前向誤差估計 8
1.5.4 誤差可以忽略不計嗎 8
1.6 計算機算術運算和浮點數 8
1.7 Python 編程語言簡介 9
1.7.1 Python 語言的指導原則 9
1.7.2 為什么用Python 做科學計算 11
1.7.3 Python 的缺點 13
1.8 小結 13
第2 章 科學工作流和科學計算的結構 14
2.1 科學計算的數學部分 14
2.1.1 線性方程組 14
2.1.2 非線性方程組 15
2.1.3 *優化方法 16
2.1.4 內插法 17
2.1.5 外插法 17
2.1.6 數值積分 18
2.1.7 數值微分 18
2.1.8 微分方程 19
2.1.9 隨機數生成器 20
2.2 Python 科學計算 21
2.2.1 NumPy 簡介 22
2.2.2 SciPy 程序庫 22
2.2.3 用pandas 做數據分析 23
2.3 IPython 交互式編程簡介 23
2.3.1 IPython 并行計算 24
2.3.2 IPython Notebook 24
2.4 用SymPy 進行符號計算 26
2.4.1 SymPy 的主要特點 27
2.4.2 為什么用SymPy 28
2.5 畫圖程序庫 28
2.6 小結 30
第3 章 有效地制造與管理科學數據 31
3.1 數據的基本概念 31
3.2 數據存儲軟件與工具箱 32
3.2.1 文件 33
3.2.2 數據庫 33
3.3 常見的數據操作 34
3.4 科學數據的格式 35
3.5 現成的標準數據集 37
3.6 數據生成 41
3.7 模擬數據的生成（構造） 41
3.7.1 用Python 的內置函數生成隨機數 42
3.7.2 基于統計分布的隨機數生成器的設計和實現 45
3.7.3 一個用簡單邏輯生成5位隨機數的程序 46
3.8 大規模數據集的簡要介紹 47
3.9 小結 48
第4 章 Python 科學計算API 49
4.1 Python 數值科學計算 49
4.1.1 NumPy 程序包 49
4.1.2 SciPy 程序包 52
4.1.3 簡單的SciPy 程序 54
4.2 SymPy符號計算 57
4.2.1 計算機代數系統 57
4.2.2 通用CAS的特點 57
4.2.3 SymPy設計理念簡介 58
4.2.4 SymPy模塊 60
4.2.5 簡單的范例程序 61
4.3 數據分析和可視化的API 和工具 63
4.3.1 用pandas進行數據分析和操作 63
4.3.2 用matplotlib進行數據可視化 64
4.3.3 用IPython實現Python的交互式計算 64
4.3.4 數據分析和可視化的示例程序 65
4.4 小結 67
第5 章 數值計算 68
5.1 NumPy 的基本對象 68
5.1.1 N 維數組對象 68
5.1.2 通用函數對象 72
5.1.3 NumPy 的數學模塊 74
5.2 SciPy 的介紹 75
5.2.1 SciPy 的數學函數 75
5.2.2 高級模塊 程序包 76
5.3 小結 97
第6 章 用Python 做符號計算 98
6.1 符號、表達式和基本運算 98
6.2 求解方程 99
6.3 有理數、指數和對數函數 100
6.4 多項式 100
6.5 三角函數和復數 101
6.6 線性代數 101
6.7 微積分 103
6.8 向量 105
6.9 物理模塊 106
6.9.1 氫波函數 106
6.9.2 矩陣和Pauli代數 107
6.9.3 一維和三維量子諧振子 107
6.9.4 二次量子化 108
6.9.5 高能物理 108
6.9.6 力學 109
6.10 漂亮的打印功能 111
6.11 密碼學模塊 113
6.12 輸入的句法分析 113
6.13 邏輯模塊 114
6.14 幾何模塊 116
6.15 符號積分 117
6.16 多項式操作 119
6.17 集合 120
6.18 運算的簡化和合并 121
6.19 小結 122
第7 章 數據分析與可視化 123
7.1 matplotlib 123
7.1.1 matplotlib的架構 124
7.1.2 matplotlib的畫圖方法 125
7.2 pandas 程序庫 128
7.2.1 Series 128
7.2.2 DataFrame 129
7.2.3 Panel 130
7.2.4 pandas 數據結構的常用函數 131
7.2.5 時間序列與日期函數 137
7.2.6 處理缺失數據 140
7.3 I O 操作 141
7.3.1 處理CSV文件 141
7.3.2 即開即用數據集 144
7.4 IPython 145
7.4.1 IPython 終端與系統命令行工具 146
7.4.2 IPython Notebook 149
7.5 小結 150
第8 章 并行與大規模科學計算 151
8.1 用IPython 做并行計算 152
8.2 IPython 并行計算架構 152
8.3 并行計算示例 154
8.3.1 并行裝飾器 155
8.3.2 IPython 的魔法函數 155
8.4 IPython 的高級特性 157
8.4.1 容錯執行 157
8.4.2 動態負載均衡 158
8.4.3 在客戶端與引擎之間推拉對象 158
8.4.4 支持數據庫存儲請求與結果 160
8.4.5 在IPython 里使用MPI 161
8.4.6 管理任務之間的依賴關系 162
8.4.7 用Amazon EC2 的StarCluster啟動IPython 167
8.5 IPython 數據安全措施 168
8.5.1 常用并行編程方法 168
8.5.2 在Python 中演示基于Hadoop的MapReduce 174
8.5.3 在Python 中運行Spark 176
8.6 小結 176
第9 章 真實案例介紹 177
9.1 用Python 開發的科學計算應用 177
9.1.1 “每個孩子一臺筆記本”項目用Python 開發界面 177
9.1.2 ExpEYES——科學之眼 180
9.1.3 Python 開發的天氣預測應用程序 181
9.1.4 Python 開發的航空器概念設計工具與API 182
9.1.5 OpenQuake 引擎 183
9.1.6 德國西馬克公司的能源效率應用程序 184
9.1.7 高能物理數據分析的自動代碼生成器 184
9.1.8 Python 的計算化學應用 186
9.2 Python 開發的盲音觸覺識別系統 187
9.2.1 TAPTools 空中交通管制工具 187
9.2.2 光能效率檢測的嵌入式系統 188
9.3 Python 開發的科學計算程序庫 189
9.3.1 Tribon 公司的船舶設計API 189
9.3.2 分子建模工具箱 189
9.3.3 標準Python程序包 190
9.4 小結 191
第10 章 科學計算的*佳實踐 192
10.1 方案設計階段的*佳實踐 192
10.2 功能實現階段的*佳實踐 194
10.3 數據管理與應用部署的*佳實踐 196
10.4 實現高性能的*佳實踐 197
10.5 數據隱私與安全的*佳實踐 198
10.6 測試與維護的*佳實踐 198
10.7 Python 常用的*佳實踐 199
10.8 小結 200
信息
第1 章 科學計算概況與選擇Python的理由 1
1.1 科學計算的定義 2
1.2 科學計算的簡單處理流程 3
1.3 科學與工程領域的案例 5
1.4 解決復雜問題的策略 5
1.5 近似、誤差及相關統計概念和術語 6
1.5.1 誤差分析 7
1.5.2 敏感度、穩定性和準確性 7
1.5.3 后向與前向誤差估計 8
1.5.4 誤差可以忽略不計嗎 8
1.6 計算機算術運算和浮點數 8
1.7 Python 編程語言簡介 9目錄
第1 章 科學計算概況與選擇Python的理由 1
1.1 科學計算的定義 2
1.2 科學計算的簡單處理流程 3
1.3 科學與工程領域的案例 5
1.4 解決復雜問題的策略 5
1.5 近似、誤差及相關統計概念和術語 6
1.5.1 誤差分析 7
1.5.2 敏感度、穩定性和準確性 7
1.5.3 后向與前向誤差估計 8
1.5.4 誤差可以忽略不計嗎 8
1.6 計算機算術運算和浮點數 8
1.7 Python 編程語言簡介 9
1.7.1 Python 語言的指導原則 9
1.7.2 為什么用Python 做科學計算 11
1.7.3 Python 的缺點 13
1.8 小結 13
第2 章 科學工作流和科學計算的結構 14
2.1 科學計算的數學部分 14
2.1.1 線性方程組 14
2.1.2 非線性方程組 15
2.1.3 *優化方法 16
2.1.4 內插法 17
2.1.5 外插法 17
2.1.6 數值積分 18
2.1.7 數值微分 18
2.1.8 微分方程 19
2.1.9 隨機數生成器 20
2.2 Python 科學計算 21
2.2.1 NumPy 簡介 22
2.2.2 SciPy 程序庫 22
2.2.3 用pandas 做數據分析 23
2.3 IPython 交互式編程簡介 23
2.3.1 IPython 并行計算 24
2.3.2 IPython Notebook 24
2.4 用SymPy 進行符號計算 26
2.4.1 SymPy 的主要特點 27
2.4.2 為什么用SymPy 28
2.5 畫圖程序庫 28
2.6 小結 30
第3 章 有效地制造與管理科學數據 31
3.1 數據的基本概念 31
3.2 數據存儲軟件與工具箱 32
3.2.1 文件 33
3.2.2 數據庫 33
3.3 常見的數據操作 34
3.4 科學數據的格式 35
3.5 現成的標準數據集 37
3.6 數據生成 41
3.7 模擬數據的生成（構造） 41
3.7.1 用Python 的內置函數生成隨機數 42
3.7.2 基于統計分布的隨機數生成器的設計和實現 45
3.7.3 一個用簡單邏輯生成5位隨機數的程序 46
3.8 大規模數據集的簡要介紹 47
3.9 小結 48
第4 章 Python 科學計算API 49
4.1 Python 數值科學計算 49
4.1.1 NumPy 程序包 49
4.1.2 SciPy 程序包 52
4.1.3 簡單的SciPy 程序 54
4.2 SymPy符號計算 57
4.2.1 計算機代數系統 57
4.2.2 通用CAS的特點 57
4.2.3 SymPy設計理念簡介 58
4.2.4 SymPy模塊 60
4.2.5 簡單的范例程序 61
4.3 數據分析和可視化的API 和工具 63
4.3.1 用pandas進行數據分析和操作 63
4.3.2 用matplotlib進行數據可視化 64
4.3.3 用IPython實現Python的交互式計算 64
4.3.4 數據分析和可視化的示例程序 65
4.4 小結 67
第5 章 數值計算 68
5.1 NumPy 的基本對象 68
5.1.1 N 維數組對象 68
5.1.2 通用函數對象 72
5.1.3 NumPy 的數學模塊 74
5.2 SciPy 的介紹 75
5.2.1 SciPy 的數學函數 75
5.2.2 高級模塊 程序包 76
5.3 小結 97
第6 章 用Python 做符號計算 98
6.1 符號、表達式和基本運算 98
6.2 求解方程 99
6.3 有理數、指數和對數函數 100
6.4 多項式 100
6.5 三角函數和復數 101
6.6 線性代數 101
6.7 微積分 103
6.8 向量 105
6.9 物理模塊 106
6.9.1 氫波函數 106
6.9.2 矩陣和Pauli代數 107
6.9.3 一維和三維量子諧振子 107
6.9.4 二次量子化 108
6.9.5 高能物理 108
6.9.6 力學 109
6.10 漂亮的打印功能 111
6.11 密碼學模塊 113
6.12 輸入的句法分析 113
6.13 邏輯模塊 114
6.14 幾何模塊 116
6.15 符號積分 117
6.16 多項式操作 119
6.17 集合 120
6.18 運算的簡化和合并 121
6.19 小結 122
第7 章 數據分析與可視化 123
7.1 matplotlib 123
7.1.1 matplotlib的架構 124
7.1.2 matplotlib的畫圖方法 125
7.2 pandas 程序庫 128
7.2.1 Series 128
7.2.2 DataFrame 129
7.2.3 Panel 130
7.2.4 pandas 數據結構的常用函數 131
7.2.5 時間序列與日期函數 137
7.2.6 處理缺失數據 140
7.3 I O 操作 141
7.3.1 處理CSV文件 141
7.3.2 即開即用數據集 144
7.4 IPython 145
7.4.1 IPython 終端與系統命令行工具 146
7.4.2 IPython Notebook 149
7.5 小結 150
第8 章 并行與大規模科學計算 151
8.1 用IPython 做并行計算 152
8.2 IPython 并行計算架構 152
8.3 并行計算示例 154
8.3.1 并行裝飾器 155
8.3.2 IPython 的魔法函數 155
8.4 IPython 的高級特性 157
8.4.1 容錯執行 157
8.4.2 動態負載均衡 158
8.4.3 在客戶端與引擎之間推拉對象 158
8.4.4 支持數據庫存儲請求與結果 160
8.4.5 在IPython 里使用MPI 161
8.4.6 管理任務之間的依賴關系 162
8.4.7 用Amazon EC2 的StarCluster啟動IPython 167
8.5 IPython 數據安全措施 168
8.5.1 常用并行編程方法 168
8.5.2 在Python 中演示基于Hadoop的MapReduce 174
8.5.3 在Python 中運行Spark 176
8.6 小結 176
第9 章 真實案例介紹 177
9.1 用Python 開發的科學計算應用 177
9.1.1 “每個孩子一臺筆記本”項目用Python 開發界面 177
9.1.2 ExpEYES——科學之眼 180
9.1.3 Python 開發的天氣預測應用程序 181
9.1.4 Python 開發的航空器概念設計工具與API 182
9.1.5 OpenQuake 引擎 183
9.1.6 德國西馬克公司的能源效率應用程序 184
9.1.7 高能物理數據分析的自動代碼生成器 184
9.1.8 Python 的計算化學應用 186
9.2 Python 開發的盲音觸覺識別系統 187
9.2.1 TAPTools 空中交通管制工具 187
9.2.2 光能效率檢測的嵌入式系統 188
9.3 Python 開發的科學計算程序庫 189
9.3.1 Tribon 公司的船舶設計API 189
9.3.2 分子建模工具箱 189
9.3.3 標準Python程序包 190
9.4 小結 191
第10 章 科學計算的*佳實踐 192
10.1 方案設計階段的*佳實踐 192
10.2 功能實現階段的*佳實踐 194
10.3 數據管理與應用部署的*佳實踐 196
10.4 實現高性能的*佳實踐 197
10.5 數據隱私與安全的*佳實踐 198
10.6 測試與維護的*佳實踐 198
10.7 Python 常用的*佳實踐 199
10.8 小結 200
信息
展開全部
Python科學計算機基礎教程 作者簡介
HemantKumar Mehta
博士，專注于分布式計算和科學計算領域，擁有十余年教學、科研和軟件開發經驗。他是ACM會員、IEEE高級會員以及IACSIT、IAENG和MIR等實驗室的高級會員。
譯者簡介：
陶俊杰
長期從事數據分析工作，酷愛Python，每天都和Python面對面，樂此不疲。本科畢業于北京交通大學機電學院，碩士畢業于北京交通大學經管學院。曾就職于中國移動設計院，目前在京東任職。
陳小莉Hemant
Kumar Mehta
博士，專注于分布式計算和科學計算領域，擁有十余年教學、科研和軟件開發經驗。他是ACM會員、IEEE高級會員以及IACSIT、IAENG和MIR等實驗室的高級會員。
譯者簡介：
陶俊杰
長期從事數據分析工作，酷愛Python，每天都和Python面對面，樂此不疲。本科畢業于北京交通大學機電學院，碩士畢業于北京交通大學經管學院。曾就職于中國移動設計院，目前在京東任職。
陳小莉
長期從事數據分析工作，喜歡Python。本科與碩士畢業于北京交通大學電信學院。目前在中科院從事科技文獻與專利分析工作。信息
書友推薦
- >
姑媽的寶刀
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
史學評論
- >
煙與鏡
- >
我與地壇
- >
詩經-先民的歌唱
- >
名家帶你讀魯迅:故事新編
本類暢銷
