科技
类型
5.2
豆瓣评分
可以朗读
语音朗读
194千字
字数
2016-11-01
发行日期
展开全部
主编推荐语
全面阐述Python科学计算基础内容，提供Python科学计算精彩案例。
内容简介
本书是将Python用于科学计算的实用指南，既介绍了相关的基础知识，又提供了丰富的精彩案例，并为读者总结了最佳实践经验。其主要内容包括：科学计算的基本概念与选择Python的理由，科学工作流和科学计算的结构，科学项目相关数据的各个方面，用于科学计算的API和工具包，如何利用Python的NumPy和SciPy包完成数值计算，用Python做符号计算，数据分析与可视化，并行与大规模计算，等等。
目录
- 版权信息
- 译者序
- 前言
- 本书内容
- 本书需要的工具
- 目标读者
- 排版约定
- 读者反馈
- 客户支持
- 下载示例代码
- 下载本书的彩色图片
- 勘误
- 盗版
- 问题
- 电子书
- 致谢
- 第1章 科学计算概况与选择Python的理由
- 1.1 科学计算的定义
- 1.2 科学计算的简单处理流程
- 1.3 科学与工程领域的案例
- 1.4 解决复杂问题的策略
- 1.5 近似、误差及相关统计概念和术语
- 1.5.1 误差分析
- 1.5.2 敏感度、稳定性和准确性
- 1.5.3 后向与前向误差估计
- 1.5.4 误差可以忽略不计吗
- 1.6 计算机算术运算和浮点数
- 1.7 Python编程语言简介
- 1.7.1 Python语言的指导原则
- 1.7.2 为什么用Python做科学计算
- 1.7.3 Python的缺点
- 1.8 小结
- 第2章 科学工作流和科学计算的结构
- 2.1 科学计算的数学部分
- 2.1.1 线性方程组
- 2.1.2 非线性方程组
- 2.1.3 最优化方法
- 2.1.4 内插法
- 2.1.5 外插法
- 2.1.6 数值积分
- 2.1.7 数值微分
- 2.1.8 微分方程
- 2.1.9 随机数生成器
- 2.2 Python科学计算
- 2.2.1 NumPy简介
- 2.2.2 SciPy程序库
- 2.2.3 用pandas做数据分析
- 2.3 IPython交互式编程简介
- 2.3.1 IPython并行计算
- 2.3.2 IPython Notebook
- 2.4 用SymPy进行符号计算
- 2.4.1 SymPy的主要特点
- 2.4.2 为什么用SymPy
- 2.5 画图程序库
- 2.6 小结
- 第3章 有效地制造与管理科学数据
- 3.1 数据的基本概念
- 3.2 数据存储软件与工具箱
- 3.2.1 文件
- 3.2.2 数据库
- 3.3 常见的数据操作
- 3.4 科学数据的格式
- 3.5 现成的标准数据集
- 3.6 数据生成
- 3.7 模拟数据的生成（构造）
- 3.7.1 用Python的内置函数生成随机数
- 3.7.2 基于统计分布的随机数生成器的设计和实现
- 3.7.3 一个用简单逻辑生成5位随机数的程序
- 3.8 大规模数据集的简要介绍
- 3.9 小结
- 第4章 Python科学计算API
- 4.1 Python数值科学计算
- 4.1.1 NumPy程序包
- 4.1.2 SciPy程序包
- 4.1.3 简单的SciPy程序
- 4.2 SymPy符号计算
- 4.2.1 计算机代数系统
- 4.2.2 通用CAS的特点
- 4.2.3 SymPy设计理念简介
- 4.2.4 SymPy模块
- 4.2.5 简单的范例程序
- 4.3 数据分析和可视化的API和工具
- 4.3.1 用pandas进行数据分析和操作
- 4.3.2 用matplotlib进行数据可视化
- 4.3.3 用IPython实现Python的交互式计算
- 4.3.4 数据分析和可视化的示例程序
- 4.4 小结
- 第5章 数值计算
- 5.1 NumPy的基本对象
- 5.1.1 N 维数组对象
- 5.1.2 通用函数对象
- 5.1.3 NumPy的数学模块
- 5.2 SciPy的介绍
- 5.2.1 SciPy的数学函数
- 5.2.2 高级模块/程序包
- 5.3 小结
- 第6章 用Python做符号计算
- 6.1 符号、表达式和基本运算
- 6.2 求解方程
- 6.3 有理数、指数和对数函数
- 6.4 多项式
- 6.5 三角函数和复数
- 6.6 线性代数
- 6.7 微积分
- 6.8 向量
- 6.9 物理模块
- 6.9.1 氢波函数
- 6.9.2 矩阵和Pauli代数
- 6.9.3 一维和三维量子谐振子
- 6.9.4 二次量子化
- 6.9.5 高能物理
- 6.9.6 力学
- 6.10 漂亮的打印功能
- LaTex打印
- 6.11 密码学模块
- 6.12 输入的句法分析
- 6.13 逻辑模块
- 6.14 几何模块
- 6.15 符号积分
- 6.16 多项式操作
- 6.17 集合
- 6.18 运算的简化和合并
- 6.19 小结
- 第7章 数据分析与可视化
- 7.1 matplotlib
- 7.1.1 matplotlib的架构
- 7.1.2 matplotlib的画图方法
- 7.2 pandas程序库
- 7.2.1 Series
- 7.2.2 DataFrame
- 7.2.3 Panel
- 7.2.4 pandas数据结构的常用函数
- 7.2.5 时间序列与日期函数
- 7.2.6 处理缺失数据
- 7.3 I/O操作
- 7.3.1 处理CSV文件
- 7.3.2 即开即用数据集
- 7.4 IPython
- 7.4.1 IPython终端与系统命令行工具
- 7.4.2 IPython Notebook
- 7.5 小结
- 第8章 并行与大规模科学计算
- 8.1 用IPython做并行计算
- 8.2 IPython并行计算架构
- 并行计算的组成部分
- 8.3 并行计算示例
- 8.3.1 并行装饰器
- 8.3.2 IPython的魔法函数
- 8.4 IPython的高级特性
- 8.4.1 容错执行
- 8.4.2 动态负载均衡
- 8.4.3 在客户端与引擎之间推拉对象
- 8.4.4 支持数据库存储请求与结果
- 8.4.5 在IPython里使用MPI
- 8.4.6 管理任务之间的依赖关系
- 8.4.7 用Amazon EC2的StarCluster启动IPython
- 8.5 IPython数据安全措施
- 8.5.1 常用并行编程方法
- 8.5.2 在Python中演示基于Hadoop的MapReduce
- 8.5.3 在Python中运行Spark
- 8.6 小结
- 第9章 真实案例介绍
- 9.1 用Python开发的科学计算应用
- 9.1.1 “每个孩子一台笔记本”项目用Python开发界面
- 9.1.2 ExpEYES——科学之眼
- 9.1.3 Python开发的天气预测应用程序
- 9.1.4 Python开发的航空器概念设计工具与API
- 9.1.5 OpenQuake引擎
- 9.1.6 德国西马克公司的能源效率应用程序
- 9.1.7 高能物理数据分析的自动代码生成器
- 9.1.8 Python的计算化学应用
- 9.2 Python开发的盲音触觉识别系统
- 9.2.1 TAPTools空中交通管制工具
- 9.2.2 光能效率检测的嵌入式系统
- 9.3 Python开发的科学计算程序库
- 9.3.1 Tribon公司的船舶设计API
- 9.3.2 分子建模工具箱
- 9.3.3 标准Python程序包
- 9.4 小结
- 第10章 科学计算的最佳实践
- 10.1 方案设计阶段的最佳实践
- 10.2 功能实现阶段的最佳实践
- 10.3 数据管理与应用部署的最佳实践
- 10.4 实现高性能的最佳实践
- 10.5 数据隐私与安全的最佳实践
- 10.6 测试与维护的最佳实践
- 10.7 Python常用的最佳实践
- 10.8 小结
- 看完了
展开全部
评分及书评
评分不足
1个评分
- 给这本书评了5.0
数据是事实的抽象形式，能比较则可量化。只要定义了事实的起点（几何中称为原点，代数中称为数字 0），一切模棱两可的表象通过对比都将变得井然有序。然而，有时人们关心的事实是复杂的、多维的、难以想象的，因此需要分析数据、梳理信息、积累知识、作出决策。随着数据获取和计算成本的不断降低，开源免费的数据采集与分析工具愈加便利，人们将更愿意接受采集数据与分析数据的过程，用数据提高工作效率，改善生活质量。
出版方
人民邮电出版社·图灵出品
图灵社区成立于2005年6月，由人民邮电出版社投资控股，以策划出版高质量的科技书籍为核心业务，主要出版领域包括计算机、电子电气、数学统计、科普等，通过引进国际高水平的教材、专著，以及发掘国内优秀原创作品等途径，为目标读者提供一流的内容。
