123,123

內(nèi)容簡(jiǎn)介

　　本書主要介紹如何使用Python處理數(shù)學(xué)問題。內(nèi)容涉及代數(shù)、統(tǒng)計(jì)、概率和微積分等方面。本書第1～4章主要講解Python編程的基本知識(shí)，第5～12章主要是介紹Python用于處理數(shù)學(xué)問題的第三方擴(kuò)展庫(kù)的使用，包括NumPy、Scipy、Matplotlib和SymPy。第5章Python繪圖是后續(xù)很多章節(jié)的基礎(chǔ)，請(qǐng)讀者務(wù)必要首先熟悉這一章的內(nèi)容。第6章面向?qū)ο缶幊讨饕v解什么是面向?qū)ο蟮某绦蛟O(shè)計(jì)，Python是一種面向?qū)ο蟮某绦蛟O(shè)計(jì)語(yǔ)言，掌握面向?qū)ο蟮母拍顚?duì)于理解Python程序、編寫出效率更高的Python代碼會(huì)很有幫助。NumPy是Python科學(xué)計(jì)算的基礎(chǔ)，第7章詳細(xì)講解NumPy的使用方法。第8章的內(nèi)容相對(duì)比較獨(dú)立，主要介紹Python在符號(hào)計(jì)算方面的應(yīng)用。第9和第10章是關(guān)于概率統(tǒng)計(jì)的內(nèi)容，會(huì)用到第5～7章的知識(shí)。第11章是關(guān)于分形的介紹，讀者可以了解到如何使用Python繪制分形。第12章是講解Python中的異常處理。本書適合高等院校及培訓(xùn)機(jī)構(gòu)相關(guān)專業(yè)的參考用書，以及對(duì)如何使用Python處理數(shù)學(xué)問題感興趣的初學(xué)者閱讀。

作者簡(jiǎn)介

　　張騫，北京航空航天大學(xué)碩士，資深軟件工程師。17年軟件開發(fā)經(jīng)驗(yàn)。先后在數(shù)家大型通信企業(yè)擔(dān)任高級(jí)軟件開發(fā)工程師，精通C/C++、Python語(yǔ)言編程?，F(xiàn)從事數(shù)據(jù)挖掘與分析方面的研究工作，同時(shí)致力于編程技術(shù)的普及和推廣。

圖書目錄

第1章 Spyder IDE
1.1 安裝Spyder
1.2 使用Spyder
1.3 升級(jí)Spyder
1.4 使用Spyder在線版
1.5 本章小結(jié)
第2章用Python處理計(jì)算公式
2.1 將Python作為計(jì)算器
2.1.1 算術(shù)運(yùn)算
2.1.2 關(guān)系運(yùn)算
2.1.3 賦值運(yùn)算
2.1.4 邏輯運(yùn)算
2.1.5 位運(yùn)算
2.2 編寫Python腳本
2.2.1 定義變量
2.2.2 變量名
2.2.3 變量類型
2.2.4 表達(dá)式
2.2.5 語(yǔ)句
2.2.6 注釋
2.2.7 格式化輸出
2.3 編程陷阱
2.4 本章小結(jié)
2.5 練習(xí)
第3章函數(shù)與分支
3.1 使用函數(shù)
3.2 Python Math模塊
3.2.1 常數(shù)
3.2.2 算術(shù)函數(shù)
3.2.3 Math庫(kù)中其他的重要數(shù)學(xué)函數(shù)
3.3 定義函數(shù)
3.4 括號(hào)匹配
3.5 入?yún)⒑途植孔兞?br /> 3.5.1 參數(shù)默認(rèn)值
3.5.2 關(guān)鍵字參數(shù)
3.5.3 局部變量和全局變量
3.6 函數(shù)返回值
3.7 Lambda表達(dá)式
3.8 條件分支
3.9 程序驗(yàn)證
3.9.1 編寫測(cè)試函數(shù)
3.9.2 使用pytest
3.10 本章小結(jié)
3.11 練習(xí)
第4章循環(huán)
4.1 while循環(huán)
4.2 使用列表存儲(chǔ)數(shù)據(jù)
4.2.1 創(chuàng)建列表
4.2.2 列表索引
4.2.3 列表的基本操作
4.2.4 列表對(duì)象支持的方法
4.3 for循環(huán)
4.4 中止當(dāng)前循環(huán)
4.5 列表推導(dǎo)式（list comprehension)
4.5.1 range類型
4.5.2 使用for循環(huán)填充列表
4.5.3 數(shù)列求和
4.5.4 更改列表中的元素
4.5.5 創(chuàng)建列表的簡(jiǎn)便方式
4.5.6 zip（）函數(shù)
4.6 嵌套列表
4.7 Spyder調(diào)試代碼
4.8 Tuples
4.9 求方程近似解
4.9.1 二分法
4.9.2 牛頓迭代法
4.10 本章小結(jié)
第5章 Python繪圖
5.1 安裝Matplotlib
5.2 繪制簡(jiǎn)單圖形
5.3 北京、上海和廣州三地的平均溫度
5.4 繪制函數(shù)圖形
5.5 Matplotlib對(duì)象層次結(jié)構(gòu)
5.5.1 Line2D對(duì)象
5.5.2 添加文本
5.5.3 多個(gè)子圖（Axes）
5.6 字典（Dictionary）類型
5.7 本章小結(jié)
5.8 練習(xí)
第6章類和面向?qū)ο缶幊?br /> 6.1 代表數(shù)學(xué)公式的類
6.2 類的通用格式
6.3 受保護(hù)的類屬性
6.4 對(duì)象屬性和類屬性
6.5 特殊方法
6.5.1 __call__()
6.5.2 ___del__()
6.5.3 __str__()
6.5.4 __repr__()
6.5.5 __abs__()
6.5.6 數(shù)學(xué)運(yùn)算的特殊方法
6.6 Python的類和靜態(tài)方法
6.7 如何知道類的內(nèi)容
6.8 類的測(cè)試函數(shù)
6.9 類層次結(jié)構(gòu)和繼承
6.10 使用OOP方法的實(shí)例
6.10.1 螺線
6.10.2 比例數(shù)
6.11 本章小結(jié)
6.12 練習(xí)
第7章 NumPy與矩陣
7.1 NumPy安裝
7.1.1 使用pip安裝
7.1.2 Linux下安裝
7.1.3 安裝驗(yàn)證
7.2 NumPy數(shù)組對(duì)象
7.2.1 創(chuàng)建數(shù)組對(duì)象
7.2.2 修改數(shù)組形狀
7.2.3 單位矩陣
7.3 NumPy數(shù)據(jù)類型
7.3.1 基本數(shù)據(jù)類型
7.3.2 長(zhǎng)度確定的數(shù)據(jù)類型
7.3.3 字節(jié)序
7.3.4 結(jié)構(gòu)化數(shù)據(jù)
7.4 操作數(shù)組
7.4.1 數(shù)組切片和索引
7.4.2 迭代數(shù)組
7.4.3 基本運(yùn)算
7.4.4 位操作
7.4.5 布爾運(yùn)算
7.4.6 NumPy廣播（Broadcast)
7.4.7 數(shù)組排序
7.4.8 統(tǒng)計(jì)運(yùn)算
7.5 用NumPy處理代數(shù)問題
7.5.1 向量化計(jì)算
7.5.2 向量和矩陣
7.5.3 用NumPy求解線性方程組
7.5.4 插值和擬合
7.6 本章小結(jié)
7.7 練習(xí)
第8章 SymPy與符號(hào)計(jì)算
8.1 安裝和升級(jí)SymPy
8.2 配置SymPy
8.3 定義符號(hào)
8.3.1 變量符號(hào)
8.3.2 數(shù)值符號(hào)
8.3.3 函數(shù)對(duì)象
8.4 符號(hào)運(yùn)算
8.4.1 數(shù)的運(yùn)算
8.4.2 表達(dá)式展開
8.4.3 表達(dá)式化簡(jiǎn)
8.4.4 表達(dá)式求值
8.4.5 表達(dá)式連加
8.4.6 表達(dá)式連乘
8.4.7 因式分解
8.4.8 邏輯運(yùn)算
8.5 微積分
8.5.1 極限
8.5.2 級(jí)數(shù)展開
8.5.3 微分
8.5.4 積分
8.5.5 路徑積分
8.5.6 積分變換
8.6 線性代數(shù)
8.6.1 矩陣
8.6.2 方程
8.7 繪圖
8.8 本章小結(jié)
8.9 練習(xí)
第9章統(tǒng)計(jì)分析
9.1 安裝Pandas和SciPy
9.2 基本概念
9.2.1 平均值
9.2.2 加權(quán)平均值
9.2.3 調(diào)和平均值
9.2.4 幾何平均值
9.2.5 中位值
9.2.6 眾數(shù)
9.2.7 方差
9.2.8 標(biāo)準(zhǔn)差
9.2.9 偏度
9.2.10 百分位數(shù)
9.2.11 范圍
9.3 描述性統(tǒng)計(jì)
9.4 數(shù)據(jù)相關(guān)性
9.4.1 協(xié)方差
9.4.2 相關(guān)系數(shù)
9.5 從文件讀取數(shù)據(jù)
9.5.1 處理CSV文件
9.5.2 對(duì)象化處理數(shù)據(jù)
9.6 繪制統(tǒng)計(jì)圖
9.6.1 上海車牌競(jìng)拍
9.6.2 上海的歷史降雨量
9.7 本章小結(jié)
9.8 練習(xí)
第10章概率統(tǒng)計(jì)