-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python科學計算基礎教程

( 簡體 字)
作者:印 赫曼塔 庫瑪 梅赫塔 Hemant Kumar Mehta類別:1. -> 程式設計 -> Python
譯者:
出版社:人民郵電出版社Python科學計算基礎教程 3dWoo書號: 45632
詢問書籍請說出此書號!

缺書
NT售價: 245

出版日:11/1/2016
頁數:200
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115436986
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

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 解決複雜問題的策略 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 後向與前向誤差估計 8
1.5.4 誤差可以忽略不計嗎 8
1.6 電腦算數運算和浮點數 8
1.7 Python 程式設計語言簡介 9
1.7.1 Python 語言的指導原則 9
1.7.2 為什麼用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 最優化方法 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 亂數產生器 20
2.2 Python 科學計算 21
2.2.1 NumPy 簡介 22
2.2.2 SciPy 程式庫 22
2.2.3 用pandas 做資料分析 23
2.3 IPython 互動式程式設計簡介 23
2.3.1 IPython 平行計算 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 為什麼用SymPy 28
2.5 畫圖程式庫 28
2.6 小結 30
第3 章 有效地製造與管理科學資料 31
3.1 資料的基本概念 31
3.2 資料存儲軟體與工具箱 32
3.2.1 文件 33
3.2.2 資料庫 33
3.3 常見的資料操作 34
3.4 科學資料的格式 35
3.5 現成的標準資料集 37
3.6 資料生成 41
3.7 類比資料的生成(構造) 41
3.7.1 用Python 的內置函數生成亂數 42
3.7.2 基於統計分佈的亂數產生器的設計和實現 45
3.7.3 一個用簡單邏輯生成5位元亂數的程式 46
3.8 大規模資料集的簡要介紹 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 套裝程式 49
4.1.2 SciPy 套裝程式 52
4.1.3 簡單的SciPy 程式 54
4.2 SymPy符號計算 57
4.2.1 電腦代數系統 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模組 60
4.2.5 簡單的範例程式 61
4.3 資料分析和視覺化的API 和工具 63
4.3.1 用pandas進行資料分析和操作 63
4.3.2 用matplotlib進行資料視覺化 64
4.3.3 用IPython實現Python的互動式計算 64
4.3.4 資料分析和視覺化的示例程式 65
4.4 小結 67
第5 章 數值計算 68
5.1 NumPy 的基本物件 68
5.1.1 N 維陣列物件 68
5.1.2 通用函數物件 72
5.1.3 NumPy 的數學模組 74
5.2 SciPy 的介紹 75
5.2.1 SciPy 的數學函數 75
5.2.2 高級模組/套裝程式 76
5.3 小結 97
第6 章 用Python 做符號計算 98
6.1 符號、運算式和基本運算 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 三角函數和複數 101
6.6 線性代數 101
6.7 微積分 103
6.8 向量 105
6.9 物理模組 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 漂亮的列印功能 111
6.11 密碼學模組 113
6.12 輸入的句法分析 113
6.13 邏輯模組 114
6.14 幾何模組 116
6.15 符號積分 117
6.16 多項式操作 119
6.17 集合 120
6.18 運算的簡化和合併 121
6.19 小結 122
第7 章 資料分析與視覺化 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 程式庫 128
7.2.1 Series 128
7.2.2 DataFrame 129
7.2.3 Panel 130
7.2.4 pandas 資料結構的常用函數 131
7.2.5 時間序列與日期函數 137
7.2.6 處理缺失資料 140
7.3 I/O 操作 141
7.3.1 處理CSV文件 141
7.3.2 即開即用資料集 144
7.4 IPython 145
7.4.1 IPython 終端與系統命令列工具 146
7.4.2 IPython Notebook 149
7.5 小結 150
第8 章 並行與大規模科學計算 151
8.1 用IPython 做平行計算 152
8.2 IPython 平行計算架構 152
8.3 平行計算示例 154
8.3.1 並行裝飾器 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 在用戶端與引擎之間推拉物件 158
8.4.4 支援資料庫存儲請求與結果 160
8.4.5 在IPython 裡使用MPI 161
8.4.6 管理任務之間的依賴關係 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 常用並行程式設計方法 168
8.5.2 在Python 中演示基於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 “每個孩子一台筆記本”專案用Python 開發介面 177
9.1.2 ExpEYES——科學之眼 180
9.1.3 Python 開發的天氣預測應用程式 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式 184
9.1.7 高能物理資料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 開發的科學計算程式庫 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套裝程式 190
9.4 小結 191
第10 章 科學計算的最佳實踐 192
10.1 方案設計階段的最佳實踐 192
10.2 功能實現階段的最佳實踐 194
10.3 資料管理與應用部署的最佳實踐 196
10.4 實現高性能的最佳實踐 197
10.5 資料隱私與安全的最佳實踐 198
10.6 測試與維護的最佳實踐 198
10.7 Python 常用的最佳實踐 199
10.8 小結 200
序: