推荐编程书籍：Python计算基础教程，由人民邮电出版社2016-10-01月出版发行，本书编译以及作者信息 为：[印] Hemant Kumar Mehta 著，陶俊杰，陈小莉 译，此次为第1次发行， 国际标准书号为：9787115436986，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200页字数万字，是本Python 编程相关非常不错的书。
Python因为其自身的诸多优点而成为计算的**选择。本书是将Python 用于计算的实用指南，既介绍了相关的基础知识，又提供了丰富的精彩案例，并为读者总结了杰出实践经验。其主要内容包括：计算的基本概念与选择Python 的理由，工作流和计算的结构，项目相关数据的各个方面，用于计算的API 和工具包，如何利用Python 的NumPy 和SciPy 包完成数值计算，用Python 做符号计算，数据分析与可视化，并行与大规模计算，等等。
Hemant Kumar Mehta，博士，专注于分布式计算和计算领域，拥有十余年教学、科研和软件开发经验。他是ACM会员、IEEE高级会员，以及IACSIT、IAENG和MIR等实验室的高级会员。
陶俊杰，长期从事数据分析工作，酷爱Python，每天都和Python面对面，乐此不疲。本科毕业于北京交通大学机电学院，硕士毕业于北京交通大学经管学院。曾就职于中国移动设计院，目前在京东任职。
陈小莉，长期从事数据分析工作，喜欢Python。本科与硕士毕业于北京交通大学电信学院。目前在中科院从事科技文献与专利分析工作。
全面阐述Python计算基础内容
提供Python计算精彩案例
总结计算的任务、难点以及杰出实践经验
计算概况、结构
使用NumPy和SciPy完成数值计算
使用SymPy进行符号计算的概念和方法
使用matplotlib画图程序库做数据可视化
使用pandas、matplotlib和IPython组合做数据分析与可视化
Python的并行和高性能计算方法
计算应用、库和工具的Python开发案例
方案设计、代码编写、高性能计算等计算杰出实践
第1 章 计算概况与选择Python的理由 1
1．1计算的定义2
1．2计算的简单处理流程3
1．3与工程领域的案例5
1．4解决复杂问题的策略5
1．5近似、误差及相关统计概念和术语6
1．5．1误差分析7
1．5．2敏感度、稳定性和准确性7
1．5．3后向与前向误差估计8
1．5．4误差可以忽略不计吗8
1．6计算机算术运算和浮点数8
1．7Python 编程语言简介9
1．7．1Python 语言的指导原则9
1．7．2为什么用Python 做计算11
1．7．3Python 的缺点13
1．8小结13
第2章 工作流和计算的结构14
2．1计算的数学部分14
2．1．1线性方程组14
2．1．2非线性方程组15
2．1．3最优化方法16
2．1．4内插法17
2．1．5外插法17
2．1．6数值积分18
2．1．7数值微分18
2．1．8微分方程19
2．1．9随机数生成器20
2．2Python 计算21
2．2．1NumPy 简介22
2．2．2SciPy 程序库22
2．2．3用pandas 做数据分析23
2．3IPython 交互式编程简介23
2．3．1IPython 并行计算24
2．3．2IPython Notebook24
2．4用SymPy 进行符号计算26
2．4．1SymPy 的主要特点27
2．4．2为什么用SymPy28
2．5画图程序库28
2．6小结30
第3章 有效地制造与管理数据31
3．1数据的基本概念31
3．2数据存储软件与工具箱32
3．2．1文件33
3．2．2数据库33
3．3常见的数据操作34
3．4数据的格式35
3．5现成的标准数据集37
3．6数据生成41
3．7模拟数据的生成（构造）41
3．7．1用Python 的内置函数生成随机数42
3．7．2基于统计分布的随机数生成器的设计和实现45
3．7．3一个用简单逻辑生成5位随机数的程序46
3．8大规模数据集的简要介绍47
3．9小结48
第4章 Python 计算API49
4．1Python 数值计算49
4．1．1NumPy 程序包49
4．1．2SciPy 程序包52
4．1．3简单的SciPy 程序54
4．2SymPy符号计算57
4．2．1计算机代数系统57
4．2．2通用CAS的特点57
4．2．3SymPy设计理念简介58
4．2．4SymPy模块60
4．2．5简单的范例程序61
4．3数据分析和可视化的API 和工具63
4．3．1用pandas进行数据分析和操作63
4．3．2用matplotlib进行数据可视化64
4．3．3用IPython实现Python的交互式计算64
4．3．4数据分析和可视化的示例程序65
4．4小结67
第5章 数值计算68
5．1NumPy 的基本对象68
5．1．1N 维数组对象68
5．1．2通用函数对象72
5．1．3NumPy 的数学模块74
5．2SciPy 的介绍75
5．2．1SciPy 的数学函数75
5．2．2高级模块/程序包76
5．3小结97
第6章 用Python 做符号计算98
6．1符号、表达式和基本运算98
6．2求解方程99
6．3有理数、指数和对数函数100
6．4多项式100
6．5三角函数和复数101
6．6线性代数101
6．7微积分103
6．8向量105
6．9物理模块106
6．9．1氢波函数106
6．9．2矩阵和Pauli代数107
6．9．3一维和三维量子谐振子107
6．9．4二次量子化108
6．9．5高能物理108
6．9．6力学109
6．10漂亮的打印功能111
6．11密码学模块113
6．12输入的句法分析113
6．13逻辑模块114
6．14几何模块116
6．15符号积分117
6．16多项式操作119
6．17集合120
6．18运算的简化和合并121
6．19小结122
第7章 数据分析与可视化123
7．1matplotlib123
7．1．1matplotlib的架构124
7．1．2matplotlib的画图方法125
7．2pandas 程序库128
7．2．1Series128
7．2．2DataFrame129
7．2．3Panel130
7．2．4pandas 数据结构的常用函数131
7．2．5时间序列与日期函数137
7．2．6处理缺失数据140
7．3I/O 操作141
7．3．1处理CSV文件141
7．3．2即开即用数据集144
7．4IPython145
7．4．1IPython 终端与系统命令行工具146
7．4．2IPython Notebook149
7．5小结150
第8章 并行与大规模计算151
8．1用IPython 做并行计算152
8．2IPython 并行计算架构152
8．3并行计算示例154
8．3．1并行装饰器155
8．3．2IPython 的魔法函数155
8．4IPython 的高级特性157
8．4．1容错执行157
8．4．2动态负载均衡158
8．4．3在客户端与引擎之间推拉对象158
8．4．4支持数据库存储请求与结果160
8．4．5在IPython 里使用MPI161
8．4．6管理任务之间的依赖关系162
8．4．7用Amazon EC2 的StarCluster启动IPython167
8．5IPython 数据安全措施168
8．5．1常用并行编程方法168
8．5．2在Python 中演示基于Hadoop的MapReduce174
8．5．3在Python 中运行Spark176
8．6小结176
第9章 真实案例介绍177
9．1用Python 开发的计算应用177
9．1．1“每个孩子一台笔记本”项目用Python 开发界面177
9．1．2ExpEYES——之眼180
9．1．3Python 开发的天气预测应用程序181
9．1．4Python 开发的航空器概念设计工具与API182
9．1．5OpenQuake 引擎183
9．1．6德国西马克公司的能源效率应用程序184
9．1．7高能物理数据分析的自动代码生成器184
9．1．8Python 的计算化学应用186
9．2Python 开发的盲音触觉识别系统187
9．2．1TAPTools 空中交通管制工具187
9．2．2光能效率检测的嵌入式系统188
9．3Python 开发的计算程序库189
9．3．1Tribon 公司的船舶设计API189
9．3．2分子建模工具箱189
9．3．3标准Python程序包190
9．4小结191
第10章 计算的最佳实践192
10．1方案设计阶段的最佳实践192
10．2功能实现阶段的最佳实践194
10．3数据管理与应用部署的最佳实践196
10．4实现高性能的最佳实践197
10．5数据隐私与安全的最佳实践198
10．6测试与维护的最佳实践198
10．7Python 常用的最佳实践199
10．8小结200
暂无.
暂无.
暂无.
Python计算基础教程最新最全的试读、书评、目录、简介信息由Python中文网整理提供。
本文链接：http://so.lmcjl.com/news/19900/