SciPyLectureNotes中文版 - (EPUB全文下载)

文件大小：9.92 mb。
文件格式：epub 格式。
书籍内容：

目錄
介绍 
1.1 科学计算工具及流程 
1.2 Python语言 
1.3 NumPy：创建和操作数值数据 
1.4 Matplotlib：绘图 
1.5 Scipy：高级科学计算 
1.6 获取帮助及寻找文档 
2.1 Python高级功能（Constructs） 
2.2 高级Numpy 
2.3 代码除错 
2.4 代码优化 
2.5 SciPy中稀疏矩阵 
2.6 使用Numpy和Scipy进行图像操作及处理 
2.7 数学优化：找到函数的最优解 
2.8 与C进行交互 
3.1 Python中的统计学 
3.2 Sympy：Python中的符号数学 
3.3 Scikit-image：图像处理 
3.4 Traits：创建交互对话 
3.5 使用Mayavi进行3D作图 
3.6 scikit-learn：Python中的机器学习 
SciPy Lecture Notes 中文版
原文：
SciPy Lecture Notes
译者：
cloga
来源：
scipy-lecture-notes_cn
协议：
CC BY 4.0
1.1 科学计算工具及流程
作者 : Fernando Perez, Emmanuelle Gouillart, Gaël Varoquaux, Valentin Haenel
1.1.1 为什么是Python？
1.1.1.1 科学家的需求
获得数据（模拟，实验控制）
操作及处理数据
可视化结果... 理解我们在做什么！
沟通结果：生成报告或出版物的图片，写报告
1.1.1.2 要求
对于经典的数学方法及基本的方法，有丰富的现成工具：我们不希望重新编写程序去画出曲线、傅立叶变换或者拟合算法。不要重复发明轮子！
易于学习：计算机科学不是我们的工作也不是我们的教育背景。我们想要在几分钟内画出曲线，平滑一个信号或者做傅立叶变换，
可以方便的与合作者、学生、客户进行交流，代码可以存在于实验室或公司里面：代码的可读性应该像书一样。因此，这种语言应该包含尽可能少的语法符号或者不必要的常规规定，使来自数学或科学领域读者愉悦的理解这些代码。
语言高效，执行快...但是不需要是非常快的代码，因为如果我们花费了太多的时间来写代码，非常快的代码也是无用的。
一个单一的语言/环境做所有事，如果可能的话，避免每个新问题都要学习新软件
1.1.1.3 现有的解决方案
科学家用哪种解决方案进行工作？
编译语言：C、C++、Fortran等。
优势：
非常快。极度优化的编译器。对于大量的计算来说，很难比这些语言的性能更好。
一些非常优化的科学计算包。比如：BLAS（向量/矩阵操作）
不足：
使用起来令人痛苦：开发过程中没有任何互动，强制编译步骤，啰嗦的语法（&, ::, }}, ; 等），手动内存管理（在C中非常棘手）。对于非计算机学家他们是
艰深的语言
。
脚本语言：Matlab
优势：
对不同的领域的多种算法都有非常的类库。执行很快，因为这些类库通常使用编译语言写的。
友好的开发环境：完善的、组织良好的帮助，整合的编辑器等
有商业支持
不足：
基础语言非常欠缺，会限制高级用户
不是免费的
其他脚本语言：Scilab、Octave、Igor、R、IDL等。
优势：
开源、免费，或者至少比Matlba便宜。
一些功能非常高级（R的统计，Igor的图形等。）
不足：
比Matlab更少的可用算法，语言也并不更高级
一些软件更专注于一个领域。比如，Gnuplot或xmgrace画曲线。这些程序非常强大，但是他们只限定于一个单一用途，比如作图。
那Python呢？
优势：
非常丰富的科学计算包（尽管比Matlab少一些）
精心设计的语言，允许写出可读性非常好并且结构良好的代码：我们“按照我们所想去写代码”。
对于科学计算外的其他任务也有许多类库（网站服务器管理，串口接收等等。）
免费的开源软件，广泛传播，有一个充满活力的社区。
不足：
不太友好的开发环境，比如与Matlab相比。（更加极客向）。
并不是在其他专业软件或工具箱中可以找到算法都可以找到
1.1.2 Python科学计算的构成
与Matlba，Scilab或者R不同，Python并没有预先绑定的一组科学计算模块。下面是可以组合起来获得科学计算环境的基础的组件。
Python
，通用的现代计算语言
Python语言：数据类型（字符string，整型int），流程控制，数据集合（列表list，字典dict），模式等等。
标准库及模块
用Pyhon写的大量专业模块及应用：网络协议、网站框架等...以及科学计算。
开发工具（自动测试，文档生成）
IPython
, 高级的
Python Shell
http://ipython.org/
Numpy
: 提供了强大数值数组对象以及程序去操作它们。
http://www.numpy.org/
Scipy
: 高级的数据处理程序。优化、回归插值等
http://www.scipy.org/
Matplotlib
: 2D可视化，“出版级”的图表
http://matplotlib.sourceforge.net/
Mayavi
: 3D可视化
http://code.enthought.com/projects/mayavi/
1.1.3 交互工作流：IPython和文本编辑器
测试和理解算法的交互工作
：在这个部分我们描述一下用
IPython
的交互工作流来方便的研究和理解算法。
Python是一门通用语言。与其他的通用语言一样，没有一个绝对权威的工作环境，也不止一种方法使用它。尽管这对新人来说不太好找到适合自己的方式，但是，这使得Python被用于在网站服务器或嵌入设备中编写程序。
本部分的参考文档
：
IPython用户手册
：
http://ipython.org/ipython-doc/dev/index.html
1.1.3.1 命令行交互
启动ipython:
In [1]:
print(' ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。