Python科学计算和数据科学应用第二版第2版罗伯特·约翰逊

基本信息

书    名

  Python科学计算和数据科学应用 第2版  

外文书名

出版社

  清华大学出版社 

作    者

  [美]罗伯特·约翰逊

定    价

  198.00元

出版时间

  2020.06

I S B N

  9787302552802

套装书

  否

重    量

  KG

装    帧

  平装

版    次

  2

字    数

  827000

页    数

  512

开      本

  16开

内容简介

《Python科学计算和数据科学应用(第2版)使用NumPy、SciPy和matplotlib》全面介绍Python在数值计算和数学领域的模块、标准库以及多个开源Python库，如NumPy、SciPy、FiPy、matplotlib等。在上一版的基础上，本书做了全面修订，更新了每个包的更新细节以及Jupyter项目的变化，演示了数值计算和数学建模在大数据、云计算、金融工程、商业管理等领域的应用。
本书提供了Python在数据科学和统计分析中很多新的应用示例，对上一版中的示例进行了扩展，每个示例都充分展示了Python的简洁语法及其数据分析方法在快速开发和探索性计算方面的强大功能。
通过阅读本书，读者将熟悉很多计算技术，包括基于数组的计算和符号计算、数据可视化和数值文件读写、方程求解、优化、插值和积分以及特定领域的计算问题，如微分方程求解、数据分析、统计建模和机器学习等。

目    录

第1章 科学计算介绍1
1.1 Python数值计算环境3
1.2 Python 4
1.3 IPython控制台5
1.3.1 输入输出缓存6
1.3.2 自动补全和对象自省(Object Introspection) 6
1.3.3 文档7
1.3.4 与系统shell进行交互7
1.3.5 IPython扩展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 单元类型16
1.4.5 编辑单元17
1.4.6 Markdown单元18
1.4.7 输出显示19
1.4.8 nbconvert 22
1.5 Spyder集成开发环境24
1.5.1 源代码编辑器25
1.5.2 Spyder控制台26
1.5.3 对象查看器26
1.6 本章小结26
1.7 扩展阅读27
1.8 参考文献27
第2章 向量、矩阵和多维数组29
2.1 导入模块30
2.2 NumPy Array对象30
2.2.1 数据类型31
2.2.2 内存中数组数据的顺序33
2.3 创建数组34
2.3.1 从列表和其他类数组对象创建数组35
2.3.2 以常量填充的数组35
2.3.3 以增量序列填充的数组36
2.3.4 以等比数列填充的数组37
2.3.5 Meshgrid数组37
2.3.6 创建未初始化的数组38
2.3.7 使用其他数组的属性创建数组38
2.3.8 创建矩阵数组38
2.4 索引和切片39
2.4.1 一维数组39
2.4.2 多维数组41
2.4.3 视图42
2.4.4 花式索引和布尔索引43
2.5 调整形状和大小45
2.6 向量化表达式48
2.6.1 算术运算49
2.6.2 逐个元素进行操作的函数52
2.6.3 聚合函数54
2.6.4 布尔数组和条件表达式56
2.6.5 集合运算59
2.6.6 数组运算60
2.7 矩阵和向量运算61
2.8 本章小结66
2.9 扩展阅读66
2.10 参考文献66
第3章 符号计算67
3.1 导入SymPy 67
3.2 符号68
3.3 表达式74
3.4 表达式操作76
3.4.1 化简76
3.4.2 展开77
3.4.3 因式分解、合并同类项78
3.4.4 分式分解、通分、消除公因子79
3.4.5 替换79
3.5 数值计算80
3.6 微积分81
3.6.1 导数81
3.6.2 积分83
3.6.3 级数展开85
3.6.4 极限86
3.6.5 和与积87
3.7 方程88
3.8 线性代数89
3.9 本章小结92
3.10 扩展阅读93
3.11 参考文献93
第4章 绘图和可视化95
4.1 导入模块96
4.2 入门96
4.3 Figure对象101
4.4 Axes实例102
4.4.1 绘图类型103
4.4.2 线条属性103
4.4.3 图例107
4.4.4 文本格式和注释108
4.4.5 轴属性110
4.5 Axes高级布局119
4.5.1 图中图119
4.5.2 plt.subplots 121
4.5.3 plt.subplot2grid 123
4.5.4 GridSpec 123
4.6 绘制色图124
4.7 绘制3D图形126
4.8 本章小结128
4.9 扩展阅读128
4.10 参考文献129
第5章 方程求解131
5.1 导入模块131
5.2 线性方程组132
5.2.1 方形方程组133
5.2.2 矩形方程组137
5.3 特征值问题141
5.4 非线性方程142
5.4.1 单变量方程142
5.4.2 非线性方程组149
5.5 本章小结152
5.6 扩展阅读152
5.7 参考文献153
第6章 优化155
6.1 导入模块155
6.2 优化问题的分类156
6.3 单变量优化158
6.4 无约束的多变量优化问题160
6.5 非线性最小二乘问题167
6.6 受约束的优化问题168
6.7 本章小结175
6.8 扩展阅读175
6.9 参考文献176
第7章 插值177
7.1 导入模块177
7.2 插值概述178
7.3 多项式179
7.4 多项式插值181
7.5 样条插值185
7.6 多变量插值188
7.7 本章小结193
7.8 扩展阅读193
7.9 参考文献193
第8章 积分195
8.1 导入模块196
8.2 数值积分方法196
8.3 使用SciPy进行数值积分199
8.4 多重积分204
8.5 符号积分和任意精度积分208
8.6 积分变换211
8.7 本章小结214
8.8 扩展阅读214
8.9 参考文献214
第9章 常微分方程215
9.1 导入模块215
9.2 常微分方程216
9.3 使用符号方法求解ODE 217
9.3.1 方向场222
9.3.2 使用拉普拉斯变换求解ODE 225
9.4 数值法求解ODE 228
9.5 使用SciPy对ODE进行
数值积分 231
9.6 本章小结242
9.7 扩展阅读242
9.8 参考文献243
第10章 稀疏矩阵和图245
10.1 导入模块245
10.2 SciPy中的稀疏矩阵246
10.2.1 创建稀疏矩阵的函数250
10.2.2 稀疏线性代数函数252
10.2.3 线性方程组252
10.2.4 图和网络257
10.3 本章小结264
10.4 扩展阅读264
10.5 参考文献264
第11章 偏微分方程265
11.1 导入模块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 本章小结293
11.7 扩展阅读294
11.8 参考文献294
第12章 数据处理和分析295
12.1 导入模块296
12.2 Pandas介绍296
12.2.1 Series对象296
12.2.2 DataFrame对象299
12.2.3 时间序列307
12.3 Seaborn图形库317
12.4 本章小结321
12.5 扩展阅读322
12.6 参考文献322
第13章 统计323
13.1 导入模块323
13.2 概率统计回顾324
13.3 随机数325
13.4 随机变量及其分布328
13.5 假设检验335
13.6 非参数法339
13.7 本章小结341
13.8 扩展阅读341
13.9 参考文献341
第14章 统计建模343
14.1 导入模块344
14.2 统计建模简介344
14.3 使用Patsy定义统计模型345
14.4 线性回归352
14.5 离散回归360
14.5.1 对数几率回归361
14.5.2 泊松回归模型365
14.6 时间序列368
14.7 本章小结372
14.8 扩展阅读372
14.9 参考文献372
第15章 机器学习373
15.1 导入模块374
15.2 机器学习回顾374
15.3 回归375
15.4 分类384
15.5 聚类388
15.6 本章小结391
15.7 扩展阅读392
15.8 参考文献392
第16章 贝叶斯统计393
16.1 导入模块394
16.2 贝叶斯统计简介394
16.3 定义模型396
16.3.1 后验分布采样400
16.3.2 线性回归403
16.4 本章小结413
16.5 扩展阅读413
16.6 参考文献413
第17章 信号处理415
17.1 导入模块415
17.2 频谱分析416
17.2.1 傅里叶变换416
17.2.2 加窗421
17.2.3 频谱图424
17.3 信号滤波器427
17.3.1 卷积滤波器428
17.3.2 FIR和IIR滤波器429
17.4 本章小结434
17.5 扩展阅读434
17.6 参考文献434
第18章 数据的输入输出435
18.1 导入模块436
18.2 CSV格式436
18.3 HDF5 440
18.3.1 h5py库441
18.3.2 PyTables库451
18.3.3 Pandas HDFStore 455
18.4 JSON 456
18.5 序列化460
18.6 本章小结462
18.7 扩展阅读462
18.8 参考文献463
第19章 代码优化465
19.1 导入模块467
19.2 Numba 467
19.3 Cython 473
19.4 本章小结482
19.5 扩展阅读483
19.6 参考文献483
附录 安装 485