因资源下载地址容易失效,请加微信号359049049直接领取,直接发最新下载地址。
前言
==============================================================
前言
“我坚信几十年后,科学历史学家会把我们目前所处的时代,描述成科学史上一个具有深远和重大意义的转型期。在这个过程中,不断涌现的免费开源软件扮演了重要角色。”
——Fernando Perez,IPython创始人
本书主要介绍Python用于科学计算的API和工具包。我强烈推荐给奋战在工程计算和科学计算领域的朋友们。科学计算是一个交叉领域,需要计算机科学、数学、自然科学(至少是物理学、化学、环境科学、生物学等学科中的一种)以及工程学的知识。Python包含大量的包、API和工具,为众多科学与工程领域提供所需的功能。
用户众多的社区、丰富齐全的帮助文档、大量的科学计算库和开发环境、高效的性能以及良好的支持,使得Python成为科学计算的极佳选择。
本书内容
第1章,科学计算概况与选择Python的理由,主要介绍科学计算的基本概念,同时介绍Python的背景知识、指导原则以及为何用Python进行科学计算是十分高效的。
第2章,科学工作流和科学计算的结构,主要介绍通常在解决科学问题时需要用到的数学与数值分析概念,还会简单地介绍Python语言为科学计算提供的包、工具和API。
第3章,有效地制造与管理科学数据,主要介绍科学项目相关数据的各个方面,包括基本概念、各种数据操作以及存储数据的格式与软件,还会介绍一些标准数据集和生成合成数据的技术。
第4章,Python科学计算API,主要介绍不同科学计算API和工具(包括NumPy、SciPy和SymPy等)的基本概念、特性以及简单的示例程序,还会简单地介绍使用IPython、matplotlib和pandas进行交互式计算、数据分析以及数据可视化。
第5章,数值计算,主要介绍如何利用Python的NumPy和SciPy包完成数值计算。一开始先介绍数值计算的基础知识,然后介绍优化、插值、傅里叶变换、信号处理、线性代数、统计、空间算法、图像处理、文件输入/输出等进阶知识。
第6章,用Python做符号计算,首先介绍CAS(Computerized Algebra System,计算机化代数系统)的基础知识,并用SymPy实现符号计算。这一章将围绕CAS介绍多个话题,既包括简单的数学表达式和基本的算术运算,也有数学和物理学的高级概念。
第7章,数据分析与可视化,介绍matplotlib和pandas在数据分析与可视化方面的相关概念和应用示例。
第8章,并行与大规模科学计算,介绍实现高性能科学计算的工具和方法,包括IPython(配合MPI)并行计算、使用StarCluster配置Amazon EC2计算集群、多进程与多线程方法、Hadoop和Spark。
第9章,真实案例介绍,介绍一些利用Python开发的科学计算应用、库和工具的案例。这些案例都源自不同的工程和科学领域。
第10章,科学计算的最佳实践,介绍科学计算的最佳实践,内容包括方案设计、代码编写、数据管理、应用部署、高性能计算、数据安全与隐私、应用维护以及客户支持等,同时还会介绍一些专门针对Python开发的最佳实践。
本书需要的工具
运行本书的示例程序首先需要一台装有Python 2.7.9或以上版本的计算机以及Python的一些API、包和工具。然后,需要一些Python库(包括NumPy、SciPy、SymPy、matplotlib、pandas和IPython),还有IPython.parallel包、pyzmq、SSH安全协议(如果你需要)以及Hadoop。
目标读者
本书面向希望了解科学计算的Python程序员。阅读本书的前提是你已经掌握了Python编程的基本概念。
排版约定
在本书里,你将会看到用于区分不同类型信息的文本样式。以下给出了一些文本样式的示例及其含义。
正文中的代码和用户输入会这样显示:“随机模块中的所有函数都是random.Random类的一个隐含实