Python中文网

Python科学计算最佳实践 SciPy指南

cnpython177

Python科学计算最佳实践 SciPy指南,由人民邮电出版社在2019-01-01月出版发行,本书编译以及作者信息为: [澳] 胡安,努内兹,伊格莱西亚斯(Juan Nunez-Iglesias),[美] 斯特凡·范德瓦尔特(Stéfan,van ... 著,陈光欣 译,这是第1次发行, 国际标准书号为:9787115499127,品牌为人民邮电出版社, 这本书采用平装开本为16开,纸张采为胶版纸,全书共有206页,字数万字,值得推荐。

此书内容摘要

本书旨在介绍开源的Python算法库和数学工具包SciPy。近年来,基于NumPy和SciPy的完整生态系统迅速发展起来,并在天文学、生物学、气象学和气候科学,以及材料科学等多个学科得到了广泛应用。本书结合大量代码实例,详尽展示了SciPy的强大科学计算能力,包括用NumPy和SciPy进行分位数标准化,用ndimage实现图像区域网络,频率与快速傅里叶变换,用稀疏坐标矩阵实现列联表,SciPy中的线性代数,SciPy中的函数优化等。

关于此书作者

胡安?努内兹-伊格莱西亚斯(Juan Nunez-Iglesias),澳大利亚莫纳什大学研究员,咨询顾问。

斯特凡?范德瓦尔特(Stéfan van der Walt),scikit-image的创建者,加州大学伯克利分校数据科学研究所助理研究员,南非斯泰伦博斯大学应用数学高级讲师。

哈丽雅特?达士诺(Harriet Dashnow),生物信息学家,曾在默多克儿童研究所、墨尔本大学生物化学系和维多利亚州生命科学计划项目中工作过。


【译者简介】

陈光欣,毕业于清华大学并留校工作,主要兴趣为数据分析与数据挖掘。

编辑们的推荐

“本书结合信号处理、图像处理、网络科学、生物信息学等领域的例子,展示了如何通过Python优雅地实现经典的算法,是一本难得的科学计算教材。”——Lav Varshney,伊利诺伊大学厄巴纳-香槟分校
“生动展示如何通过Python的科学计算工具达到事半功倍的效果。”——Greg Wilson,RStudio数据科学家,Software Carpentry联合创始人
本书结合数据实例,使用SciPy及NumPy、pandas、scikit-image等相关库,介绍了强大的Python科学计算工具,展示了如何使用Python编程来处理数据科学研究中可能遇到的现实问题,以及如何写出清晰优美的代码。

本书“麻雀虽小,肝胆俱全”,不仅探讨了作为计算工具本身的SciPy及其相关的库,还阐释了数据科学研究中一些必要的基础概念,是使用Python编程的数据科学研究人员阅读参考的理想选择。

● 探索Python科学应用的基础——NumPy
● 用NumPy和SciPy进行分位数标准化
● 图像区域网络及区域邻接图
● 频率与快速傅里叶变换
● 用稀疏坐标矩阵实现列联表
● SciPy中的线性代数
● SciPy中的函数优化
● 用Toolz在笔记本电脑上玩转大数据

Python科学计算最佳实践 SciPy指南图书的目录

前言ix
第 1章优雅的NumPy:Python科学应用的基础1
1.1 数据简介:什么是基因表达2
1.2 NumPy的N维数组6
1.2.1 为什么用N维数组代替Python列表7
1.2.2 向量化9
1.2.3 广播9
1.3 探索基因表达数据集10
1.4 标准化13
1.4.1 样本间的标准化13
1.4.2 基因间的标准化19
1.4.3 样本与基因标准化:RPKM21
1.5 小结27
第 2章用NumPy和SciPy进行分位数标准化28
2.1 获取数据30
2.2 独立样本间的基因表达分布差异30
2.3 计数数据的双向聚类33
2.4 簇的可视化35
2.5 预测幸存者37
2.5.1 进一步工作:使用TCGA患者簇41
2.5.2 进一步工作:重新生成TCGA簇41
第3章用ndimage实现图像区域网络42
3.1 图像就是NumPy数组43
3.2 信号处理中的滤波器48
3.3 图像滤波(二维滤波器)53
3.4 通用滤波器:邻近值的任意函数55
3.4.1 练习:康威的生命游戏56
3.4.2 练习:Sobel梯度幅值56
3.5 图与NetworkX库57
3.6 区域邻接图60
3.7 优雅的ndimage:如何根据图像区域建立图对象63
3.8 归纳总结:平均颜色分割65
第4章频率与快速傅里叶变换67
4.1 频率的引入67
4.2 示例:鸟鸣声谱图69
4.3 历史74
4.4 实现75
4.5 选择离散傅里叶变换的长度75
4.6 更多离散傅里叶变换概念77
4.6.1 频率及其排序77
4.6.2 加窗83
4.7 实际应用:分析雷达数据86
4.7.1 频域中的信号性质91
4.7.2 加窗之后93
4.7.3 雷达图像95
4.7.4 快速傅里叶变换的进一步应用99
4.7.5 更多阅读99
4.7.6 练习:图像卷积100
第5章用稀疏坐标矩阵实现列联表101
5.1 列联表102
5.1.1 练习:混淆矩阵的计算复杂度103
5.1.2 练习:计算混淆矩阵的另一种方法103
5.1.3 练习:多类混淆矩阵104
5.2 scipy.sparse数据格式104
5.2.1 COO格式104
5.2.2 练习:COO表示105
5.2.3 稀疏行压缩格式106
5.3 稀疏矩阵应用:图像转换108
5.4 回到列联表112
5.5 图像分割中的列联表113
5.6 信息论简介114
5.7 图像分割中的信息论:信息变异117
5.8 转换NumPy数组代码以使用稀疏矩阵119
5.9 使用信息变异120
第6章SciPy中的线性代数128
6.1 线性代数基础128
6.2 图的拉普拉斯矩阵129
6.3 大脑数据的拉普拉斯矩阵134
6.3.1 练习:显示近邻视图138
6.3.2 练习挑战:稀疏矩阵线性代数138
6.4 PageRank:用于声望和重要性的线性代数139
6.4.1 练习:处理悬挂节点144
6.4.2 练习:不同特征向量方法的等价性144
6.5 结束语144
第7章SciPy中的函数优化145
7.1 SciPy优化模块:sicpy.optimize146
7.2 用optimize进行图像配准152
7.3 用basin hopping算法避开局部最小值155
7.4 选择正确的目标函数156
第8章用Toolz在笔记本电脑上玩转大数据163
8.1 用yield进行流处理164
8.2 引入Toolz流库167
8.3 k-mer计数与错误修正169
8.4 柯里化:流的调料173
8.5 回到k-mer计数175
8.6 全基因组的马尔可夫模型177
后记182
附录 练习答案186
作者简介206
封面简介206

部分内容试读

暂无.

关于此书评价

暂无.

书摘内容

暂无.

Python科学计算最佳实践 SciPy指南最新最全的试读、书评、目录、简介信息由Python中文网整理提供。