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
PYTHON實現教程——新工科過程計算與優化 版權信息
- ISBN：9787122449566
- 條形碼：9787122449566 ; 978-7-122-44956-6
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
PYTHON實現教程——新工科過程計算與優化 本書特色
全部案例為作者在實際操作、課程教學、項目研發等過程中的真實知識，讀者可以順著作者的思路，按照書本知識，一步一步進行操作，快速地提高Python軟件的操作能力。
PYTHON實現教程——新工科過程計算與優化 內容簡介
本書是關于Python 基礎知識與實踐應用的入門教程。全書以案例為導向，以實用為準則，在遵循Python 語言簡潔、高效、優雅的前提下，介紹了Python 語言的基礎知識及其利用Python 語言進行科學計算、統計分析、數據可視化、人工智能、機器學習及圖形用戶界面開發方面的知識。全書程序代碼為作者多年來從事計算機軟件開發的經驗總結，具有較強的實用性，可通過郵箱lgfang@scut.edu 聯系作者免費索取。本書有關慕課內容及PPT 課件將陸續上傳到作者的學堂在線《計算機輔助設計》課程上，歡迎大家選課學習。 本書可作為非計算機專業本科生和研究生計算機應用課程教材，也可以作為從事計算機應用及人工智能方面科技人員的參考書；有關章節頁可以作為一般人員學習Python 語言入門教程。
PYTHON實現教程——新工科過程計算與優化 目錄
第1章 Python入門基礎 001-087
【本章導讀】 001
1.1 Python 概述 001
1.1.1 發展歷史 001
1.1.2 安裝與啟動 002
1.1.3 運行與編碼模式 008
1.1.4 變量與常量 008
1.1.5 數據及數據類型 010
1.2 Python 基本運算符及函數 028
1.2.1 基本運算符 028
1.2.2 常用函數 030
1.2.3 數組創建及運算 047
1.2.4 矩陣運算 062
1.3 Python 程序運行與控制結構 064
1.3.1 順序結構 064
1.3.2 循環結構 064
1.3.3 選擇結構 067
1.4 Python 常用標準庫和第三方庫 070
1.4.1 time 和calendar 070
1.4.2 sys 和os 072
1.4.3 math 和random 073
1.4.4 NumPy 庫 073
1.4.5 SymPy 庫 074
1.4.6 SciPy 庫 075
1.4.7 Matplotlib 庫 077
1.4.8 Skimage 庫 078
1.4.9 Turtle 庫 079
1.4.10 Pyinstaller 庫 082
1.4.11 GUI 庫 083
1.4.12 數據統計與分析庫 086
1.4.13 OpenCV 庫 086
1.4.14 Sklearn 087
1.5 Python 前景展望 087
本章重點知識 087
習題 087 第2章 數據圖形繪制 088-133
【本章導讀】 088
2.1 數據圖形繪制概述 088
2.2 布局設置 090
2.2.1 單個axes 布局 090
2.2.2 subplot(ijn) 布局 092
2.2.3 subplots(nrows,ncols,*,**)布局 092
2.2.4 fig.add_axes()布局 093
2.2.5 subplot2grid()布局 094
2.2.6 圖中圖布局 096
2.3 各種圖形繪制函數 096
2.3.1 繪制函數 096
2.3.2 綜合應用例子 113
2.4 界面細節設置 114
2.4.1 文字設置 115
2.4.2 坐標軸設置 116
2.4.3 網格設置（網格線型、線寬） 118
2.4.4 線型線寬設置 119
2.4.5 顏色設置 120
2.4.6 數據點標記設置 120
2.4.7 文本標注 121
2.4.8 箭頭文本 121
2.4.9 共享坐標軸 122
2.4.10 圖例設置 123
2.5 實際案例繪制 124
2.5.1 多根函數繪制 125
2.5.2 離心泵性能曲線繪制 125
2.5.3 二維函數值色圖繪制 127
2.5.4 地殼元素含量餅狀圖繪制 129
2.6 3D 圖像繪制 130
2.7 二維繪制命令在三維空間繪制 131
本章重點知識 133
習題 133 第3章 過程方程求解 134-152
【本章導讀】 134
3.1 超越方程求解 134
3.1.1 基本方法 134
3.1.2 編程求解 136
3.1.3 庫函數求解 140
3.1.4 實例求解分析 141
3.2 線性方程組求解 143
3.2.1 基本方法 143
3.2.2 編程求解 145
3.2.3 庫函數求解 145
3.2.4 病態方程組分析 147
3.3 非線性方程組求解 148
3.3.1 基本方法 148
3.3.2 編程求解 148
3.3.3 庫函數求解 151
本章重點知識 152
習題 152 第4章 微分方程求解 153-187
【本章導讀】 153
4.1 微分方程應用概述 153
4.2 常微分方程求解 154
4.2.1 基本方法 154
4.2.2 編程求解 156
4.2.3 庫函數求解 158
4.3 常微分方程組求解 159
4.3.1 基本方法 159
4.3.2 庫函數求解 161
4.3.3 實例求解 164
4.3.4 邊值問題 165
4.4 偏微分方程求解 168
4.4.1 基本方法 168
4.4.2 編程求解 172
4.4.3 實例應用 175
4.5 庫函數求解偏微分方程 176
4.5.1 FiPy 庫簡介及安裝 176
4.5.2 FiPy 庫具體應用 177
本章重點知識 186
習題 186 第5章 過程系統優化 188-210
【本章導讀】 188
5.1 優化問題概述 188
5.1.1 優化數學模型 188
5.1.2 優化問題的基本方法 189
5.2 無約束問題優化求解 190
5.2.1 單變量函數優化 190
5.2.2 多變量函數優化 195
5.2.3 庫函數求解無約束問題 197
5.3 線性優化求解 201
5.3.1 線性規劃概述 201
5.3.2 線性規劃通用模型 201
5.3.3 線性規劃庫函數求解 201
5.3.4 靈敏度分析 203
5.4 非線性規劃求解 205
5.4.1 非線性規劃求解基本方法 205
5.4.2 非線性規劃庫函數優化求解 206
本章重點知識 210
習題 210 第6章 模型參數擬合及辨識 211-235
【本章導讀】 211
6.1 參數擬合及辨識的標準 211
6.1.1 問題的提出 211
6.1.2 標準的確定 212
6.2 單變量擬合 213
6.2.1 基本方法 213
6.2.2 庫函數擬合 217
6.2.3 靈活應用 218
6.3 多變量擬合 220
6.3.1 基本方法 221
6.3.2 庫函數擬合 221
6.3.3 靈活應用 223
6.4 過程參數辨識 224
6.4.1 問題提出 224
6.4.2 求解策略 225
6.4.3 編程求解 225
6.5 解矛盾方程 233
6.5.1 問題的提出 233
6.5.2 實例求解 233
本章重點知識 234
習題 234 第7章 Python圖形用戶界面開發 236-261
【本章導讀】 236
7.1 圖形用戶界面開發概述 236
7.2 Python 常用圖形用戶界面開發庫 236
7.3 PyQt5 圖形用戶界面開發 237
7.3.1 開發環境搭建 237
7.3.2 PyQt5 主要功能及入門 241
7.3.3 幾個簡單的GUI 設計 243
7.4 復雜用戶界面開發應用實例 257
7.4.1 方程求解及過程優化系統開發 257
7.4.2 實驗數據處理及圖像繪制系統開發 259
本章重點知識 260
習題 261 第8章 數據統計與分析 262-295
【本章導讀】 262
8.1 數據統計與分析概述 262
8.1.1 數據 262
8.1.2 統計 263
8.1.3 數據分析 263
8.2 Pandas 庫 263
8.2.1 Pandas 庫簡介 263
8.2.2 Series 數據結構 264
8.2.3 DataFrame 數據結構 270
8.2.4 時序數據 279
8.3 Seaborn 庫統計圖形繪制 282
8.3.1 Seaborn 庫概述 282
8.3.2 Seaborn 庫圖形繪制 282
8.4 Statsmodels 庫統計分析應用 290
8.4.1 Statsmodels 庫概述 290
8.4.2 Statsmodels 庫統計分析 290
本章重點知識 295
習題 295 第9章 圖像處理 296-327
【本章導讀】 296
9.1 圖像處理概述 296
9.1.1 圖像 296
9.1.2 圖像處理 296
9.1.3 圖像處理常用第三方庫 297
9.2 OpenCV 圖像處理基礎 299
9.2.1 圖像讀入與顯示 299
9.2.2 圖像數據獲取 300
9.2.3 三通道分離與合并 301
9.2.4 圖像數據簡單處理 302
9.3 圖像處理基本函數 303
9.3.1 圖像顏色數據直方圖函數 303
9.3.2 圖像顏色閾值處理函數 304
9.3.3 自適應閾值函數 306
9.3.4 圖像形態學函數 307
9.3.5 圖像幾何處理函數 310
9.3.6 幾種繪制輪廓的函數 312
9.4 機器學習及圖像處理基礎 314
9.4.1 機器學習定義 314
9.4.2 機器學習分類 314
9.4.3 機器學習算法開發步驟 315
9.4.4 k 均值聚類算法 316
9.4.5 K-近鄰算法 324
本章重點知識 327
習題 327 第10章 Python智能算法實戰 328-371
【本章導讀】 328
10.1 智能算法概述 328
10.2 人工神經網絡算法 329
10.2.1 神經網絡的基本原理 329
10.2.2 BP 神經網絡 332
10.2.3 BP 神經網絡物性估算實例求解 340
10.2.4 方法展望 342
10.3 遺傳算法 343
10.3.1 算法基本原理 343
10.3.2 遺傳算法實現流程圖 343
10.3.3 實例求解 348
10.3.4 方法展望 354
10.4 模擬退火算法 355
10.4.1 算法基本原理 355
10.4.2 算法實現基本流程 355
10.4.3 實例求解 358
10.4.4 方法展望 360
10.5 粒子算法 361
10.5.1 算法基本原理 361
10.5.2 算法實現步驟 361
10.5.3 實例求解 362
10.5.4 方法展望 364
10.6 蟻群算法 364
10.6.1 算法基本原理 364
10.6.2 算法實現步驟 365
10.6.3 實例求解 368
10.6.4 方法展望 371
本章重點知識 371
習題 371 參考文獻 372
【本章導讀】 001
1.1 Python 概述 001
1.1.1 發展歷史 001
1.1.2 安裝與啟動 002
1.1.3 運行與編碼模式 008
1.1.4 變量與常量 008
1.1.5 數據及數據類型 010
1.2 Python 基本運算符及函數 028
1.2.1 基本運算符 028
1.2.2 常用函數 030
1.2.3 數組創建及運算 047
1.2.4 矩陣運算 062
1.3 Python 程序運行與控制結構 064
1.3.1 順序結構 064
1.3.2 循環結構 064
1.3.3 選擇結構 067
1.4 Python 常用標準庫和第三方庫 070
1.4.1 time 和calendar 070
1.4.2 sys 和os 072
1.4.3 math 和random 073
1.4.4 NumPy 庫 073
1.4.5 SymPy 庫 074
1.4.6 SciPy 庫 075
1.4.7 Matplotlib 庫 077
1.4.8 Skimage 庫 078
1.4.9 Turtle 庫 079
1.4.10 Pyinstaller 庫 082
1.4.11 GUI 庫 083
1.4.12 數據統計與分析庫 086
1.4.13 OpenCV 庫 086
1.4.14 Sklearn 087
1.5 Python 前景展望 087
本章重點知識 087
習題 087 第2章 數據圖形繪制 088-133
【本章導讀】 088
2.1 數據圖形繪制概述 088
2.2 布局設置 090
2.2.1 單個axes 布局 090
2.2.2 subplot(ijn) 布局 092
2.2.3 subplots(nrows,ncols,*,**)布局 092
2.2.4 fig.add_axes()布局 093
2.2.5 subplot2grid()布局 094
2.2.6 圖中圖布局 096
2.3 各種圖形繪制函數 096
2.3.1 繪制函數 096
2.3.2 綜合應用例子 113
2.4 界面細節設置 114
2.4.1 文字設置 115
2.4.2 坐標軸設置 116
2.4.3 網格設置（網格線型、線寬） 118
2.4.4 線型線寬設置 119
2.4.5 顏色設置 120
2.4.6 數據點標記設置 120
2.4.7 文本標注 121
2.4.8 箭頭文本 121
2.4.9 共享坐標軸 122
2.4.10 圖例設置 123
2.5 實際案例繪制 124
2.5.1 多根函數繪制 125
2.5.2 離心泵性能曲線繪制 125
2.5.3 二維函數值色圖繪制 127
2.5.4 地殼元素含量餅狀圖繪制 129
2.6 3D 圖像繪制 130
2.7 二維繪制命令在三維空間繪制 131
本章重點知識 133
習題 133 第3章 過程方程求解 134-152
【本章導讀】 134
3.1 超越方程求解 134
3.1.1 基本方法 134
3.1.2 編程求解 136
3.1.3 庫函數求解 140
3.1.4 實例求解分析 141
3.2 線性方程組求解 143
3.2.1 基本方法 143
3.2.2 編程求解 145
3.2.3 庫函數求解 145
3.2.4 病態方程組分析 147
3.3 非線性方程組求解 148
3.3.1 基本方法 148
3.3.2 編程求解 148
3.3.3 庫函數求解 151
本章重點知識 152
習題 152 第4章 微分方程求解 153-187
【本章導讀】 153
4.1 微分方程應用概述 153
4.2 常微分方程求解 154
4.2.1 基本方法 154
4.2.2 編程求解 156
4.2.3 庫函數求解 158
4.3 常微分方程組求解 159
4.3.1 基本方法 159
4.3.2 庫函數求解 161
4.3.3 實例求解 164
4.3.4 邊值問題 165
4.4 偏微分方程求解 168
4.4.1 基本方法 168
4.4.2 編程求解 172
4.4.3 實例應用 175
4.5 庫函數求解偏微分方程 176
4.5.1 FiPy 庫簡介及安裝 176
4.5.2 FiPy 庫具體應用 177
本章重點知識 186
習題 186 第5章 過程系統優化 188-210
【本章導讀】 188
5.1 優化問題概述 188
5.1.1 優化數學模型 188
5.1.2 優化問題的基本方法 189
5.2 無約束問題優化求解 190
5.2.1 單變量函數優化 190
5.2.2 多變量函數優化 195
5.2.3 庫函數求解無約束問題 197
5.3 線性優化求解 201
5.3.1 線性規劃概述 201
5.3.2 線性規劃通用模型 201
5.3.3 線性規劃庫函數求解 201
5.3.4 靈敏度分析 203
5.4 非線性規劃求解 205
5.4.1 非線性規劃求解基本方法 205
5.4.2 非線性規劃庫函數優化求解 206
本章重點知識 210
習題 210 第6章 模型參數擬合及辨識 211-235
【本章導讀】 211
6.1 參數擬合及辨識的標準 211
6.1.1 問題的提出 211
6.1.2 標準的確定 212
6.2 單變量擬合 213
6.2.1 基本方法 213
6.2.2 庫函數擬合 217
6.2.3 靈活應用 218
6.3 多變量擬合 220
6.3.1 基本方法 221
6.3.2 庫函數擬合 221
6.3.3 靈活應用 223
6.4 過程參數辨識 224
6.4.1 問題提出 224
6.4.2 求解策略 225
6.4.3 編程求解 225
6.5 解矛盾方程 233
6.5.1 問題的提出 233
6.5.2 實例求解 233
本章重點知識 234
習題 234 第7章 Python圖形用戶界面開發 236-261
【本章導讀】 236
7.1 圖形用戶界面開發概述 236
7.2 Python 常用圖形用戶界面開發庫 236
7.3 PyQt5 圖形用戶界面開發 237
7.3.1 開發環境搭建 237
7.3.2 PyQt5 主要功能及入門 241
7.3.3 幾個簡單的GUI 設計 243
7.4 復雜用戶界面開發應用實例 257
7.4.1 方程求解及過程優化系統開發 257
7.4.2 實驗數據處理及圖像繪制系統開發 259
本章重點知識 260
習題 261 第8章 數據統計與分析 262-295
【本章導讀】 262
8.1 數據統計與分析概述 262
8.1.1 數據 262
8.1.2 統計 263
8.1.3 數據分析 263
8.2 Pandas 庫 263
8.2.1 Pandas 庫簡介 263
8.2.2 Series 數據結構 264
8.2.3 DataFrame 數據結構 270
8.2.4 時序數據 279
8.3 Seaborn 庫統計圖形繪制 282
8.3.1 Seaborn 庫概述 282
8.3.2 Seaborn 庫圖形繪制 282
8.4 Statsmodels 庫統計分析應用 290
8.4.1 Statsmodels 庫概述 290
8.4.2 Statsmodels 庫統計分析 290
本章重點知識 295
習題 295 第9章 圖像處理 296-327
【本章導讀】 296
9.1 圖像處理概述 296
9.1.1 圖像 296
9.1.2 圖像處理 296
9.1.3 圖像處理常用第三方庫 297
9.2 OpenCV 圖像處理基礎 299
9.2.1 圖像讀入與顯示 299
9.2.2 圖像數據獲取 300
9.2.3 三通道分離與合并 301
9.2.4 圖像數據簡單處理 302
9.3 圖像處理基本函數 303
9.3.1 圖像顏色數據直方圖函數 303
9.3.2 圖像顏色閾值處理函數 304
9.3.3 自適應閾值函數 306
9.3.4 圖像形態學函數 307
9.3.5 圖像幾何處理函數 310
9.3.6 幾種繪制輪廓的函數 312
9.4 機器學習及圖像處理基礎 314
9.4.1 機器學習定義 314
9.4.2 機器學習分類 314
9.4.3 機器學習算法開發步驟 315
9.4.4 k 均值聚類算法 316
9.4.5 K-近鄰算法 324
本章重點知識 327
習題 327 第10章 Python智能算法實戰 328-371
【本章導讀】 328
10.1 智能算法概述 328
10.2 人工神經網絡算法 329
10.2.1 神經網絡的基本原理 329
10.2.2 BP 神經網絡 332
10.2.3 BP 神經網絡物性估算實例求解 340
10.2.4 方法展望 342
10.3 遺傳算法 343
10.3.1 算法基本原理 343
10.3.2 遺傳算法實現流程圖 343
10.3.3 實例求解 348
10.3.4 方法展望 354
10.4 模擬退火算法 355
10.4.1 算法基本原理 355
10.4.2 算法實現基本流程 355
10.4.3 實例求解 358
10.4.4 方法展望 360
10.5 粒子算法 361
10.5.1 算法基本原理 361
10.5.2 算法實現步驟 361
10.5.3 實例求解 362
10.5.4 方法展望 364
10.6 蟻群算法 364
10.6.1 算法基本原理 364
10.6.2 算法實現步驟 365
10.6.3 實例求解 368
10.6.4 方法展望 371
本章重點知識 371
習題 371 參考文獻 372
展開全部
PYTHON實現教程——新工科過程計算與優化 作者簡介
方利國，華南理工大學，副教授 系副主任，本人長期計算機在化學化工方面的應用研究，發表各種論文40余篇，申請國家專利10項，目前已獲國家授權專利8項，其中發明2項。碩士論文和博士論文選題均與計算機應用有關。目前已積累豐富的有關化工制圖及計算機輔助設計的素材，從事本科生教學已達20年左右，長期主講計算機輔助設計、能源概論、化工系統工程、化工過程分析與合成、化工微機應用、化工企業管理、化工儀表與自動化等課程，具有豐富的教學經驗，多次獲得華南理工大學優秀教學獎，分別教研論文10篇。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
伊索寓言-世界文學名著典藏-全譯本
- >
朝聞道
- >
唐代進士錄
- >
詩經-先民的歌唱
- >
我與地壇
- >
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
本類暢銷
