Python科学计算基础教程 - (EPUB全文下载)

文件大小：2.4 mb。
文件格式：epub 格式。
书籍内容：

版权信息
书名：Python科学计算基础教程
作者：[印] Hemant Kumar Mehta
译者：陶俊杰　陈小莉
ISBN：978-7-115-43698-6
本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必究。
您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
图灵社区会员 麦嘉豪（852245696@qq.com） 专享 尊重版权
版权声明
译者序
前言
本书内容
本书需要的工具
目标读者
排版约定
读者反馈
客户支持
下载示例代码
下载本书的彩色图片
勘误
盗版
问题
电子书
致谢
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 ............

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。