✍ Scribed by Hemant Kumar Mehta 译者: 陶俊杰 / 陈小莉
No coin nor oath required. For personal study only.
Python因为其自身的诸多优点而成为科学计算的极佳选择。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。
封面
数字版权声明
作译者介绍
扉页
版权页
版权声明
献词
译者序
前言
致谢
目录
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
关注图灵
看完了
📜 SIMILAR VOLUMES
本书是根据大学计算机基础教学大纲编写的计算机应用基础教材。主要内容包括计算机概述、计算机硬件组成、计算机软件、操作系统及Windows7、文字处理软件Word2010、电子表格软件Excel2010、演示文稿软件PowerPoint2010、计算机网络基础等。 根据普通高等学校非计算机专业学生的认知特点，本书从计算机基本应用技术入手，引导学生由浅入深、循序渐进地学习，内容丰富、通俗易懂，实用性强，注重培养学生应用计算机解决实际问题的能力。
本书是中国大学MOOC在线课程“大学计算机基础”（http://www.icourse163.org/university/CAU#/c）的配套教材。全书共12个单元，分别讲述信息技术与计算机、计算机组成和原理、计算机操作系统基础、程序设计基础、Word字处理程序、Excel电子表格处理、PowerPoint演示文稿、数据库及Access数据库系统、多媒体技术、计算机网络技术应用、网络安全及网络新技术，常用工具和软件等内容。 本书按照MOOC课程的特点去归纳知识点、设计案例，内容组织注重深度与广度的结合，强调理性思维和技能训练。全书结构合理、层次清晰、图文并茂，既有丰富的理论知识，也有大量的操
本书共9章，主要包括计算机基础知识、Windows 10、Word 2016、Excel 2016、PowerPoint 2016、计算机网络基础、信息安全、多媒体技术基础、数据库基础等内容。
本教材以 Windows 操作系统为平台，系统讲解 Python3 的基础知识。全书共 11 章，主要介绍了 Python 基本语法、字符串、列表、元组、字典、文件的读写、函数与模块等基础知识。首先介绍了 Python 的特点、 发展及推荐学习方法，然后讲授了 Python 基础语法、流程控制语句、数据类型、函数、模块、面向对象、文 件处理、异常处理、数据库操作，最后增加了全国计算机等级考试二级 Python 语言程序设计考试中所要求的 第三方库相关知识等。教材根据“自主式一体化教学”模式，对教材的构成要素进行调整，按照 Python 的有 关知识由浅入深、从易到难进行编写，并在每章
《Python基础教程》专门针对Python新手量身定做，涵盖Python 3实际开发中经常用到的重要知识点，内容主要包括Python语言的类型和对象、运算符和表达式、编程结构和控制流、函数、序列、多线程编程、正则表达式、面向对象编程、文件和目录操作、网络编程和邮件收发、数据库编程、Django框架和项目范例。在介绍知识点的过程中，实现了理论和实践相结合。书中还安排了不少实践示例，以帮助读者巩固所学、学以致用。 《Python基础教程》内容丰富、结构合理、思路清晰、语言简练流畅、示例翔实。《Python基础教程》主要面向Python初学者，适合作为高等院校Python程序设计课程的教材，还可作
本书从高校数学课程的教学出发，结合科学研究和工程计算的实际，系统详细地介绍了MATLAB语言的强大功能及其在科学计算领域中的应用。本书的前身——《MATLAB与科学计算》作为工具书已出版3版，受到了广大读者的一致好评；为了适应高校的教学需求，本书在内容上做了调整，增加了课后习题和例题，以适应教学和课程学习的不同需求。 本书可作为MATLAB的教学用书，也可作为高等数学、线性代数、计算方法、复变函数、概率统计、数学规划等课程的教学辅导书，还可作为科研人员及工程计算人员学习和使用MATLAB的工具书。