Python科学计算(第2版)

出版者:清华大学出版社

作者:张若愚

页数:716

出版时间:2016-4-29

价格:118

装帧:平装

isbn号码:9787302426585

具体描述

本书介绍如何用 Python 开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍了如何制作交互式二维、三维图像，如何设计精巧的程序界面，如何与 C 语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。本书采用 IPython notebook 编写，所有的程序均能在本书提供的运行环境中正常运行，书中所印刷的图表以及程序输出为均为自动运行的结果，保证了书中所有程序的正确性以及可读性。本书附盘中附带本书所有章节的 IPython notebook ，方便读者再现书中所有实例。

作者简介

张若愚，毕业于华中理工大学(现华中科技大学)通信工程专业，2004年获日本姬路工业大学(现兵库县立大学)硕士学位。毕业后于日本神户制钢综合研究所从事研究开发工作至今，研究方向为：嵌入式DSP信号处理系统开发，嵌入式MCU控制系统开发，工业控制软件开发，信号处理、数据处理以及生产系统的计算机模拟。在工作中他积极采用Python作为主要编程语言，在数据处理、信号分析、工业控制、算法模拟等领域取得了较好的研究成果。已完成的研究课题有：嵌入式声音分离系统、车载音响设备、超声波探伤系统、压缩机系统的数字模拟等。

目录信息

第1章 Python科学计算环境的安装与简介 1
1.1 Python简介 1
1.1.1 Python 2还是Python 3 1
1.1.2 开发环境 2
1.1.3 集成开发环境(IDE) 5
1.2 IPython Notebook入门 9
1.2.1 基本操作 10
1.2.2 魔法(Magic)命令 12
1.2.3 Notebook的显示系统 20
1.2.4 定制IPython Notebook 24
1.3 扩展库介绍 27
1.3.1 数值计算库 27
1.3.2 符号计算库 28
1.3.3 绘图与可视化 28
1.3.4 数据处理和分析 29
1.3.5 界面设计 30
1.3.6 图像处理和计算机视觉 31
1.3.7 提高运算速度 31
第2章 NumPy-快速处理数据 33
2.1 ndarray对象 33
2.1.1 创建 34
2.1.2 元素类型 35
2.1.3 自动生成数组 37
2.1.4 存取元素 40
2.1.5 多维数组 43
2.1.6 结构数组 47
2.1.7 内存结构 50
2.2 ufunc函数 56
2.2.1 四则运算 58
2.2.2 比较运算和布尔运算 59
2.2.3 自定义ufunc函数 61
2.2.4 广播 62
2.2.5 ufunc的方法 66
2.3 多维数组的下标存取 68
2.3.1 下标对象 68
2.3.2 整数数组作为下标 70
2.3.3 一个复杂的例子 72
2.3.4 布尔数组作为下标 73
2.4 庞大的函数库 74
2.4.1 随机数 74
2.4.2 求和、平均值、方差 77
2.4.3 大小与排序 81
2.4.4 统计函数 86
2.4.5 分段函数 89
2.4.6 操作多维数组 92
2.4.7 多项式函数 96
2.4.8 多项式函数类 98
2.4.9 各种乘积运算 103
2.4.10 广义ufunc函数 106
2.5 实用技巧 110
2.5.1 动态数组 110
2.5.2 和其他对象共享内存 112
2.5.3 与结构数组共享内存 115
第3章 SciPy-数值计算库 117
3.1 常数和特殊函数 117
3.2 拟合与优化-optimize 119
3.2.1 非线性方程组求解 120
3.2.2 最小二乘拟合 121
3.2.3 计算函数局域最小值 125
3.2.4 计算全域最小值 127
3.3 线性代数-linalg 128
3.3.1 解线性方程组 129
3.3.2 最小二乘解 130
3.3.3 特征值和特征向量 132
3.3.4 奇异值分解-SVD 134
3.4 统计-stats 136
3.4.1 连续概率分布 136
3.4.2 离散概率分布 139
3.4.3 核密度估计 140
3.4.4 二项分布、泊松分布、伽玛分布 142
3.4.5 学生t-分布与t检验 147
3.4.6 卡方分布和卡方检验 151
3.5 数值积分-integrate 154
3.5.1 球的体积 154
3.5.2 解常微分方程组 156
3.5.3 ode类 157
3.5.4 信号处理-signal 164
3.5.5 中值滤波 164
3.5.6 滤波器设计 165
3.5.7 连续时间线性系统 167
3.6 插值-interpolate 172
3.6.1 一维插值 172
3.6.2 多维插值 177
3.7 稀疏矩阵-sparse 181
3.7.1 稀疏矩阵的存储形式 182
3.7.2 最短路径 183
3.8 图像处理-ndimage 186
3.8.1 形态学图像处理 187
3.8.2 图像分割 192
3.9 空间算法库-spatial 195
3.9.1 计算最近旁点 195
3.9.2 凸包 199
3.9.3 沃罗诺伊图 201
3.9.4 德劳内三角化 204
第4章 matplotlib-绘制精美的图表 207
4.1 快速绘图 207
4.1.1 使用pyplot模块绘图 207
4.1.2 面向对象方式绘图 210
4.1.3 配置属性 211
4.1.4 绘制多子图 212
4.1.5 配置文件 215
4.1.6 在图表中显示中文 217
4.2 Artist对象 220
4.2.1 Artist的属性 221
4.2.2 Figure容器 223
4.2.3 Axes容器 224
4.2.4 Axis容器 226
4.2.5 Artist对象的关系 230
4.3 坐标变换和注释 231
4.3.1 4种坐标系 234
4.3.2 坐标变换的流水线 236
4.3.3 制作阴影效果 240
4.3.4 添加注释 241
4.4 块、路径和集合 243
4.4.1 Path与Patch 243
4.4.2 集合 245
4.5 绘图函数简介 255
4.5.1 对数坐标图 255
4.5.2 极坐标图 256
4.5.3 柱状图 257
4.5.4 散列图 258
4.5.5 图像 259
4.5.6 等值线图 261
4.5.7 四边形网格 264
4.5.8 三角网格 267
4.5.9 箭头图 269
4.5.10 三维绘图 273
4.6 matplotlib技巧集 274
4.6.1 使用agg后台在图像上绘图 274
4.6.2 响应鼠标与键盘事件 277
4.6.3 动画 285
4.6.4 添加GUI面板 288
第5章 Pandas-方便的数据分析库 291
5.1 Pandas中的数据对象 291
5.1.1 Series对象 291
5.1.2 DataFrame对象 293
5.1.3 Index对象 297
5.1.4 MultiIndex对象 298
5.1.5 常用的函数参数 300
5.1.6 DataFrame的内部结构 301
5.2 下标存取 303
5.2.1 []操作符 304
5.2.2 .loc[]和.iloc[]存取器 304
5.2.3 获取单个值 306
5.2.4 多级标签的存取 306
5.2.5 query()方法 307
5.3 文件的输入输出 307
5.3.1 CSV文件 308
5.3.2 HDF5文件 309
5.3.3 读写数据库 313
5.3.4 使用Pickle序列化 314
5.4 数值运算函数 315
5.5 时间序列 323
5.5.1 时间点、时间段、时间间隔 323
5.5.2 时间序列 326
5.5.3 与NaN相关的函数 329
5.5.4 改变DataFrame的形状 333
5.6 分组运算 338
5.6.1 groupby()方法 339
5.6.2 GroupBy对象 340
5.6.3 分组－运算－合并 341
5.7 数据处理和可视化实例 347
5.7.1 分析Pandas项目的提交历史 347
5.7.2 分析空气质量数据 354
第6章 SymPy-符号运算好帮手 359
6.1 从例子开始 359
6.1.1 封面上的经典公式 359
6.1.2 球体体积 361
6.1.3 数值微分 362
6.2 数学表达式 365
6.2.1 符号 365
6.2.2 数值 367
6.2.3 运算符和函数 368
6.2.4 通配符 371
6.3 符号运算 373
6.3.1 表达式变换和化简 373
6.3.2 方程 376
6.3.3 微分 377
6.3.4 微分方程 378
6.3.5 积分 379
6.4 输出符号表达式 380
6.4.1 lambdify 381
6.4.2 用autowrap()编译表达式 381
6.4.3 使用cse()分步输出表达式 384
6.5 机械运动模拟 385
6.5.1 推导系统的微分方程 386
6.5.2 将符号表达式转换为程序 388
6.5.3 动画演示 389
第7章 Traits & TraitsUI-轻松制作图形界面 393
7.1 Traits类型入门 393
7.1.1 什么是Traits属性 393
7.1.2 Trait属性的功能 396
7.1.3 Trait类型对象 399
7.1.4 Trait的元数据 401
7.2 Trait类型 403
7.2.1 预定义的Trait类型 403
7.2.2 Property属性 406
7.2.3 Trait属性监听 408
7.2.4 Event和Button属性 411
7.2.5 动态添加Trait属性 412
7.3 TraitsUI入门 413
7.3.1 默认界面 414
7.3.2 用View定义界面 415
7.4 用Handler控制界面和模型 425
7.4.1 用Handler处理事件 426
7.4.2 Controller和UIInfo对象 429
7.4.3 响应Trait属性的事件 431
7.5 属性编辑器 432
7.5.1 编辑器演示程序 433
7.5.2 对象编辑器 436
7.5.3 自定义编辑器 440
7.6 函数曲线绘制工具 444
第8章 TVTK与Mayavi-数据的三维可视化 451
8.1 VTK的流水线(Pipeline) 452
8.1.1 显示圆锥 452
8.1.2 用ivtk观察流水线 455
8.2 数据集 461
8.2.1 ImageData 461
8.2.2 RectilinearGrid 466
8.2.3 StructuredGrid 467
8.2.4 PolyData 470
8.3 TVTK的改进 473
8.3.1 TVTK的基本用法 474
8.3.2 Trait属性 475
8.3.3 序列化 476
8.3.4 集合迭代 476
8.3.5 数组操作 477
8.4 TVTK可视化实例 478
8.4.1 切面 479
8.4.2 等值面 484
8.4.3 流线 487
8.4.4 计算圆柱的相贯线 491
8.5 用mlab快速绘图 496
8.5.1 点和线 497
8.5.2 Mayavi的流水线 498
8.5.3 二维图像的可视化 501
8.5.4 网格面mesh 505
8.5.5 修改和创建流水线 508
8.5.6 标量场 511
8.5.7 矢量场 513
8.6 将TVTK和Mayavi嵌入界面 515
8.6.1 TVTK场景的嵌入 516
8.6.2 Mayavi场景的嵌入 518
第9章 OpenCV-图像处理和计算机视觉 523
9.1 图像的输入输出 523
9.1.1 读入并显示图像 523
9.1.2 图像类型 524
9.1.3 图像输出 525
9.1.4 字节序列与图像的相互转换 526
9.1.5 视频输出 527
9.1.6 视频输入 529
9.2 图像处理 530
9.2.1 二维卷积 530
9.2.2 形态学运算 532
9.2.3 填充-floodFill 534
9.2.4 去瑕疵-inpaint 536
9.3 图像变换 537
9.3.1 几何变换 537
9.3.2 重映射-remap 540
9.3.3 直方图 543
9.3.4 二维离散傅立叶变换 547
9.3.5 用双目视觉图像计算深度信息 550
9.4 图像识别 553
9.4.1 用霍夫变换检测直线和圆 553
9.4.2 图像分割 558
9.4.3 SURF特征匹配 561
9.5 形状与结构分析 564
9.5.1 轮廓检测 565
9.5.2 轮廓匹配 568
9.6 类型转换 569
9.6.1 分析cv2的源程序 570
9.6.2 Mat对象 572
9.3.3 在cv和cv2之间转换图像对象 574
第10章 Cython-编译Python程序 575
10.1 配置编译器 575
10.2 Cython入门 577
10.2.1 计算矢量集的距离矩阵 577
10.2.2 将Cython程序编译成扩展模块 579
10.2.3 C语言中的Python对象类型 581
10.2.4 使用cdef关键字声明变量类型 582
10.2.5 使用def定义函数 585
10.2.6 使用cdef定义C语言函数 586
10.3 高效处理数组 587
10.3.1 Cython的内存视图 587
10.3.2 用降采样提高绘图速度 592
10.4 使用Python标准对象和API 596
10.4.1 操作list对象 596
10.4.2 创建tuple对象 597
10.4.3 用array.array作为动态数组 598
10.5 扩展类型 600
10.5.1 扩展类型的基本结构 600
10.5.2 一维浮点数向量类型 601
10.5.3 包装ahocorasick库 606
10.6 Cython技巧集 612
10.6.1 创建ufunc函数 613
10.6.2 快速调用DLL中的函数 617
10.6.3 调用BLAS函数 620
第11章 实例 627
11.1 使用泊松混合合成图像 627
11.1.1 泊松混合算法 627
11.1.2 编写代码 629
11.1.3 演示程序 632
11.2 经典力学模拟 632
11.2.1 悬链线 633
11.2.2 最速降线 638
11.2.3 单摆模拟 641
11.3 推荐算法 644
11.3.1 读入数据 645
11.3.2 推荐性能评价标准 646
11.3.3 矩阵分解 647
11.3.4 使用最小二乘法实现矩阵分解 648
11.3.5 使用Cython迭代实现矩阵分解 651
11.4 频域信号处理 654
11.4.1 FFT知识复习 654
11.4.2 合成时域信号 657
11.4.3 观察信号的频谱 660
11.4.4 卷积运算 671
11.5 布尔可满足性问题求解器 675
11.5.1 用Cython包装PicoSAT 678
11.5.2 数独游戏 682
11.5.3 扫雷游戏 686
11.6 分形 693
11.6.1 Mandelbrot集合 693
11.6.2 迭代函数系统 699
11.6.3 L-System分形 706
11.6.4 分形山脉 710
· · · · · · (收起)

读后感

第1版序 Python理所当然地被视为一门通用的程序设计语言，非常适合于网站开发、系统管理以及通用的业务应用程序。它为诸如YouTube这样的网站系统、Red Hat操作系统中不可或缺的安装工具以及从云管理到投资银行等大型企业的IT系统提供技术支持，从而赢得了如此高的声誉。Python...  

第1版序 Python理所当然地被视为一门通用的程序设计语言，非常适合于网站开发、系统管理以及通用的业务应用程序。它为诸如YouTube这样的网站系统、Red Hat操作系统中不可或缺的安装工具以及从云管理到投资银行等大型企业的IT系统提供技术支持，从而赢得了如此高的声誉。Python...  

本书介绍如何用Python开发科学计算的应用程序，除了介绍数值计算之外，还着重介绍如何制作交互式的2D、3D图像，如何设计精巧的程序界面，如何与C语言编写的高速计算程序结合，如何编写声音、图像处理算法等内容。书中涉及的Python扩展库包括NumPy、SciPy、SymPy、matplotlib、T...

这本书我只读了前半部分，大致了解了ipython在科学计算方面的思路和应用，发现python的确很强大，而且因为简单易懂的风格使得入门也比较简单，只是不知道以后实际编程的时候会有什么问题． 从已经看过的部分，觉得这本书对于科学计算方面的介绍还是很详细和清晰的，值得学习pyt...  

Python世界的发展日新月异，在本书第1版出版之后，Python在数据分析、科学计算领域又出现了许多令人兴奋的进展： ●IPython从增强的交互式解释器发展到Jupyter Notebook项目，它已经成为Python科学计算界的标准配置。 ●Pandas经过几个版本的更新，目前已经成为数据清洗、处理...  

用户评价

我是一名学生，在校期间接触到了一些Python编程的基础知识，但对于如何在科学研究中使用Python一直感到迷茫。机缘巧合下，我了解到《Python科学计算（第2版）》这本书，并被其“科学计算”的定位深深吸引。科学计算在我的专业领域（例如物理、化学、生物等）的应用非常广泛，而Python无疑是最具潜力的工具之一。这本书的出版，对我来说就像是一盏明灯，指引我如何将Python的强大功能应用于我的学习和科研之中。我特别看重书中对各个库的讲解，希望能够通过它来学习如何使用NumPy进行高效的数组操作，如何用Pandas进行数据的清洗和预处理，以及如何用Matplotlib制作出精美的图表来展示我的研究成果。我相信，通过这本书的学习，我将能够更加自信地投入到我的科学研究项目中，并从中获得实质性的进展。

这本书的封面设计简洁大方，书名《Python科学计算（第2版）》醒目地印在上面，让人一眼就能感受到其专业性。我是在一次偶然的机会下，在书店的科技类书架上发现了它。当时我正处于学习Python数据分析和机器学习的阶段，一直想找一本能够系统性地介绍Python在科学计算领域应用的图书。在翻阅了市面上几本同类书籍后，《Python科学计算（第2版）》给我留下了深刻的印象。其排版清晰，章节划分合理，从基础的NumPy、Pandas到更高级的SciPy、Matplotlib，以及到机器学习的Scikit-learn，内容覆盖面相当广泛。我特别欣赏作者在介绍每个库时，都从基础概念讲起，循序渐进，即使是初学者也能很快理解。而且，书中给出的代码示例都非常贴合实际应用场景，这对我来说是至关重要的，毕竟理论知识的掌握最终还是要落脚到实践。我期待通过这本书，能够进一步夯实我的Python科学计算基础，为我未来的项目开发打下坚实的基础。

这本书的内容，我还没有来得及深入细读，但仅仅从其厚度和精美的印刷质量来看，就足以让我对其内容充满信心。我通常会选择那些结构清晰、讲解深入的技术书籍作为我的参考读物。《Python科学计算（第2版）》给我最直观的感受是，它并非一本泛泛而谈的入门指南，而是有针对性地聚焦于Python在科学计算领域的应用。从我以往的学习经验来看，一本好的科学计算书籍，应该能够帮助读者理解诸如向量化操作、矩阵运算、数值积分、优化算法等核心概念，并教会读者如何利用Python的库来实现这些功能。这本书的出现，似乎正是我一直在寻找的，它有望成为我在这个专业方向上不可或缺的参考。我已经开始期待，它能为我打开一扇通往更高级科学计算领域的大门。

收到《Python科学计算（第2版）》的那一刻，我的内心是充满期待的。作为一名在数据领域摸爬滚打多年的从业者，我深知掌握一门强大的编程语言进行科学计算的重要性。Python凭借其易学易用和丰富的库生态，已经成为不二之选。这本书的到来，无疑是为我增添了一位得力的助手。从目录上看，其结构安排得非常周全，不仅涵盖了数值计算的核心库NumPy，还深入探讨了数据处理神器Pandas，以及用于科学和工程计算的SciPy。更令我惊喜的是，书中还触及了数据可视化工具Matplotlib和Seaborn，这对于理解和展示分析结果至关重要。而关于机器学习部分，Scikit-learn的介绍也让我眼前一亮。我一直觉得，一本好的技术书籍，不仅要讲解“怎么做”，更要解释“为什么这么做”，从而让读者能够真正理解背后的原理。我迫不及待地想深入书中，去探索这些强大的工具如何在实际问题中发挥作用。

作为一名对数据可视化和数据分析充满热情的业余爱好者，《Python科学计算（第2版）》这本书的到来，无疑为我的探索之路增添了新的动力。我一直对如何将枯燥的数据转化为直观、有洞察力的图表感到好奇。从我目前了解到的信息来看，这本书似乎能够很好地满足我的这一需求。它不仅会讲解Python的基础科学计算库，如NumPy和Pandas，这些库对于数据处理至关重要，而且还会深入介绍Matplotlib和Seaborn等可视化工具。我渴望能够学习如何运用这些工具，去描绘出数据的轮廓，发现隐藏在数字背后的模式和趋势。这本书的出现，让我看到了将我的数据分析想法付诸实践的希望，我期待通过学习它，能够创作出更具艺术性和科学性的数据可视化作品。

喷这本书毫无逻辑的，呵呵

还是Python2

第二版的编写又花了两年时间，有大幅的更新，值得一读。

值回书价。作者很用心，系统全面。

详细阅读了numpy章节，写得很好！然后读到matplotlib那章就看不懂了，就没有继续读下去了。