欢迎光临中图网 请 | 注册
> >
PythonPYTHON科学计算最佳实践:SCIPY指南

PythonPYTHON科学计算最佳实践:SCIPY指南

出版社:人民邮电出版社出版时间:2019-01-01
开本: 16开 页数: 206
中 图 价:¥48.3(7.0折) 定价  ¥69.0 登录后可看到会员价
暂时缺货 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

PythonPYTHON科学计算最佳实践:SCIPY指南 版权信息

  • ISBN:9787115499127
  • 条形码:9787115499127 ; 978-7-115-49912-7
  • 装帧:简裝本
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

PythonPYTHON科学计算最佳实践:SCIPY指南 本书特色

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。

PythonPYTHON科学计算最佳实践:SCIPY指南 内容简介

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。

PythonPYTHON科学计算最佳实践:SCIPY指南 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:RPKM  21


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.optimize  146


7.2 用optimize进行图像配准  152


7.3 用basin hopping算法避开局部*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

展开全部

PythonPYTHON科学计算最佳实践:SCIPY指南 作者简介

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。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服