圖書盲袋，以書為“藥”
歡迎光臨中圖網(wǎng) 請 | 注冊

Python編程與數(shù)值方法

出版社：機械工業(yè)出版社出版時間：2023-01-01
開本： 26cm 頁數(shù)： 14,351頁
中 圖 價:¥76.3(7.0折) 定價  ¥109.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

Python編程與數(shù)值方法 版權信息

Python編程與數(shù)值方法 本書特色

基于加州大學伯克利分校課程資料編寫而成，面向沒有編程經(jīng)驗的學生，涵蓋實用的數(shù)值分析工具

Python編程與數(shù)值方法 內容簡介

本書基于加州大學伯克利分校E7課程的教學資料編寫而成，面向沒有計算機編程經(jīng)驗的學生講授Python編程，并介紹用于解決科學和工程問題的數(shù)值分析工具。本書分為兩個部分。**部分介紹Python編程的基本概念，涉及變量、分支語句、迭代、遞歸、復雜度、調試、可視化、并行化等內容。第二部分介紹數(shù)值方法，涉及特征值、特征向量、*小二乘回歸、插值、數(shù)值微分、數(shù)值積分、常微分方程初值問題、常微分方程邊值問題等內容。

Python編程與數(shù)值方法 目錄

譯者序
前言
致謝
**部分 Python編程簡介
第1章 Python基礎 2
1．1 開始使用Python 2
1．1．1 設置工作環(huán)境 2
1．1．2 運行Python代碼的
三種方法 5
1．2 Python作為計算器 7
1．3 包管理 11
1．3．1 使用包管理器管理包 11
1．3．2 從源代碼中安裝包 13
1．4 Jupyter Notebook簡介 13
1．4．1 啟動Jupyter Notebook 14
1．4．2 筆記本 15
1．4．3 如何關閉筆記本 15
1．4．4 關閉Jupyter Notebook
服務器 15
1．5 邏輯表達式和運算符 16
1．6 總結和習題 18
1．6．1 總結 18
1．6．2 習題 18
第2章 變量和基本數(shù)據(jù)結構 20
2．1 變量和賦值 20
2．2 數(shù)據(jù)結構—字符串 22
2．3 數(shù)據(jù)結構—列表 26
2．4 數(shù)據(jù)結構—元組 28
2．5 數(shù)據(jù)結構—集合 30
2．6 數(shù)據(jù)結構—字典 31
2．7 numpy數(shù)組 33
2．8 總結和習題 40
2．8．1 總結 40
2．8．2 習題 40
第3章 函數(shù) 42
3．1 函數(shù)基礎 42
3．1．1 Python 內置函數(shù) 42
3．1．2 定義自己的函數(shù) 42
3．2 局部變量和全局變量 49
3．3 嵌套函數(shù) 52
3．4 lambda函數(shù) 53
3．5 函數(shù)作為函數(shù)的參數(shù) 54
3．6 總結和習題 55
3．6．1 總結 55
3．6．2 習題 55
第4章 分支語句 59
4．1 if-else語句 59
4．2 三元運算符 65
4．3 總結和習題 65
4．3．1 總結 65
4．3．2 習題 65
第5章 迭代 69
5．1 for循環(huán) 69
5．2 while循環(huán) 74
5．3 推導式 76
5．3．1 列表推導式 76
5．3．2 字典推導式 77
5．4 總結和習題 77
5．4．1 總結 77
5．4．2 習題 77
第6章 遞歸 81
6．1 遞歸函數(shù) 81
6．2 分而治之 85
6．2．1 漢諾塔問題 85
6．2．2 快速排序 87
6．3 總結和習題 88
6．3．1 總結 88
6．3．2 習題 89
第7章 面向對象編程 94
7．1 面向對象編程簡介 94
7．2 類和對象 95
7．2．1 類 95
7．2．2 對象 97
7．2．3 類屬性與實例屬性 98
7．3 繼承、封裝和多態(tài) 99
7．3．1 繼承 99
7．3．2 封裝 102
7．3．3 多態(tài) 103
7．4 總結和習題 103
7．4．1 總結 103
7．4．2 習題 103
第8章 復雜度 105
8．1 復雜度和大O表示法 105
8．2 復雜度問題 107
8．3 分析器 108
8．3．1 使用魔術命令 108
8．3．2 使用Python分析器 109
8．3．3 使用line分析器 110
8．4 總結和習題 111
8．4．1 總結 111
8．4．2 習題 111
第9章 數(shù)字的表示 113
9．1 baseN和二進制 113
9．2 浮點數(shù) 114
9．3 舍入誤差 118
9．3．1 表示誤差 118
9．3．2 浮點運算導致的舍入誤差 118
9．3．3 舍入誤差的累積 119
9．4 總結和習題 120
9．4．1 總結 120
9．4．2 習題 120
第10章 錯誤、良好的編程實踐
和調試 123
10．1 錯誤類型 123
10．2 避免錯誤 125
10．2．1 規(guī)劃你的程序 125
10．2．2 經(jīng)常進行測試 126
10．2．3 保持代碼整潔 126
10．3 異常 128
10．4 類型檢查 130
10．5 調試 132
10．5．1 在遇到異常時激活
調試器 132
10．5．2 在運行代碼前激活
調試器 134
10．5．3 添加斷點 135
10．6 總結和習題 136
10．6．1 總結 136
10．6．2 習題 136
第11章 讀寫數(shù)據(jù) 137
11．1 文本文件 137
11．1．1 寫入文件 137
11．1．2 附加文件 138
11．1．3 讀取文件 138
11．1．4 處理數(shù)字和數(shù)組 139
11．2 CSV文件 140
11．2．1 寫入和打開CSV文件 141
11．2．2 讀取CSV文件 142
11．2．3 numpy之外 142
11．3 pickle文件 142
11．3．1 寫入pickle文件 142
11．3．2 讀取pickle文件 143
11．3．3 讀取Python 2的pickle
文件 143
11．4 JSON文件 143
11．4．1 JSON格式 143
11．4．2 寫入JSON文件 144
11．4．3 讀取JSON文件 144
11．5 HDF5文件 145
11．5．1 讀取HDF5文件 146
11．6 總結和習題 147
11．6．1 總結 147
11．6．2 習題 147
第12章 可視化和繪圖 148
12．1 二維繪圖 148
12．2 三維繪圖 156
12．3 使用地圖 161
12．4 動畫和電影 165
12．5 總結和習題 167
12．5．1 總結 167
12．5．2 習題 167
第13章 Python并行化 173
13．1 并行計算基礎知識 173
13．1．1 進程和線程 174
13．1．2 Python的GIL問題 174
13．1．3 使用并行計算的缺點 174
13．2 多進程 174
13．2．1 可視化執(zhí)行時間 176
13．3 使用joblib包 177
13．4 總結和習題 178
13．4．1 總結 178
13．4．2 習題 178
第二部分 數(shù)值方法簡介
第14章 線性代數(shù)和線性方程組 180
14．1 線性代數(shù)基礎知識 180
14．1．1 集合 180
14．1．2 向量 181
14．1．3 矩陣 183
14．2 線性變換 187
14．3 線性方程組 188
14．4 線性方程組的解 189
14．4．1 高斯消元法 190
14．4．2 高斯–若爾當消元法 192
14．4．3 LU分解法 194
14．4．4 迭代法—高斯–
賽德爾法 196
14．5 用Python求解線性方程組 198
14．6 矩陣求逆 199
14．7 總結和習題 202
14．7．1 總結 202
14．7．2 習題 202
第15章 特征值和特征向量 205
15．1 特征值和特征向量
問題陳述 205
15．1．1 特征值和特征向量 205
15．1．2 特征值和特征向量的作用 205
15．1．3 特征方程 207
15．2 冪法 208
15．2．1 尋找優(yōu)選特征值 208
15．2．2 逆冪法 211
15．2．3 移位冪法 211
15．3 QR方法 212
15．4 Python中特征值和特征
向量的求法 213
15．5 總結和習題 214
15．5．1 總結 214
15．5．2 習題 214
第16章 *小二乘回歸 216
16．1 *小二乘回歸問題陳述 216
16．2 *小二乘回歸推導
（線性代數(shù)） 216
16．3 *小二乘回歸推導（多元
微積分） 217
16．4 Python中的*小二乘回歸 219
16．4．1 使用直接求逆法 219
16．4．2 使用偽逆法 220
16．4．3 使用numpy．linalg．
lstsq 221
16．4．4 使用scipy中的optimize．
curve_fit 221
16．5 非線性函數(shù)的*小二乘回歸 221
16．5．1 指數(shù)函數(shù)的對數(shù)技巧 221
16．5．2 冪函數(shù)的對數(shù)技巧 223
16．5．3 多項式回歸 223
16．5．4 使用scipy中的optimize．
curve_fit 224
16．6 總結和習題 225
16．6．1 總結 225
16．6．2 習題 225
第17章 插值 228
17．1 插值問題陳述 228
17．2 線性插值 228
17．3 三次樣條插值 229
17．4 拉格朗日多項式插值 233
17．4．1 使用scipy中的
lagrange函數(shù) 235
17．5 牛頓多項式插值 236
17．6 總結和習題 239
17．6．1 總結 239
17．6．2 習題 239
第18章 泰勒級數(shù) 243
18．1 使用泰勒級數(shù)表達函數(shù) 243
18．2 使用泰勒級數(shù)的近似值 244
18．3 關于誤差的討論 246
18．3．1 泰勒級數(shù)的截斷誤差 246
18．3．2 估計截斷誤差 247
18．3．3 泰勒級數(shù)的舍入誤差 248
18．4 總結和習題 249
18．4．1 總結 249
18．4．2 習題 249
第19章 尋根問題 250
19．1 尋根問題陳述 250
19．2 公差 251
19．3 二分法 251
19．4 牛頓–拉夫森算法 254
19．5 使用Python求解尋根問題 256
19．6 總結和習題 256
19．6．1 總結 256
19．6．2 習題 256
第20章 數(shù)值微分 259
20．1 數(shù)值微分問題陳述 259
20．2 使用有限差分近似求導 259
20．2．1 使用有限差分近似
泰勒級數(shù)的導數(shù) 260
20．3 高階導數(shù)的近似 265
20．4 帶噪聲的數(shù)值微分 266
20．5 總結和習題 268
20．5．1 總結 268
20．5．2 習題 268
第21章 數(shù)值積分 272
21．1 數(shù)值積分問題陳述 272
21．2 黎曼積分 272
21．3 梯形法則 275
21．4 辛普森法則 277
21．5 在Python中計算積分 280
21．6 總結和習題 282
21．6．1 總結 282
21．6．2 習題 282
第22章 常微分方程初值問題 286
22．1 常微分方程初值問題陳述 286
22．2 降階 288
22．3 歐拉方法 289
22．4 數(shù)值誤差和不穩(wěn)定性 294
22．5 預測–校正法和龍格–
庫塔法 295
22．5．1 預測–校正法 295
22．5．2 龍格–庫塔法 296
22．6 Python ODE求解器 298
22．7 進階專題 301
22．7．1 多步法 301
22．7．2 剛性常微分方程 302
22．8 總結和習題 302
22．8．1 總結 302
22．8．2 習題 302
第23章 常微分方程邊值問題 310
23．1 常微分方程邊值問題陳述 310
23．2 打靶法 311
23．3 有限差分法 315
23．4 數(shù)值誤差和不穩(wěn)定性 319
23．5 總結和習題 320
23．5．1 總結 320
23．5．2 習題 320
第24章 傅里葉變換 322
24．1 波的基本原理 322
24．1．1 使用數(shù)學工具對波建模 322
24．1．2 波的特性 323
24．2 離散傅里葉變換簡介 326
24．2．1 離散傅里葉變換 327
24．2．2 逆離散傅里葉變換 331
24．2．3 離散傅里葉變換的極限 331
24．3 快速傅里葉變換 332
24．3．1 離散傅里葉變換的
對稱性 332
24．3．2 快速傅里葉變換的技巧 332
24．4 Python中的快速傅里葉
變換函數(shù) 336
24．4．1 numpy中的快速傅里葉
變換函數(shù) 336
24．4．2 scipy中的快速傅里葉
變換函數(shù) 337
24．4．3 更多例子 338
24．5 總結和習題 342
24．5．1 總結 342
24．5．2 習題 343
附錄A 在Windows中使用
Python 345
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服