譯者序
前言
致謝
**部分 Python編程簡(jiǎn)介
第1章 Python基礎(chǔ) 2
1．1 開(kāi)始使用Python 2
1．1．1 設(shè)置工作環(huán)境 2
1．1．2 運(yùn)行Python代碼的
三種方法 5
1．2 Python作為計(jì)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(jiǎn)介 13
1．4．1 啟動(dòng)Jupyter Notebook 14
1．4．2 筆記本 15
1．4．3 如何關(guān)閉筆記本 15
1．4．4 關(guān)閉Jupyter Notebook
服務(wù)器 15
1．5 邏輯表達(dá)式和運(yùn)算符 16
1．6 總結(jié)和習(xí)題 18
1．6．1 總結(jié) 18
1．6．2 習(xí)題 18
第2章 變量和基本數(shù)據(jù)結(jié)構(gòu) 20
2．1 變量和賦值 20
2．2 數(shù)據(jù)結(jié)構(gòu)—字符串 22
2．3 數(shù)據(jù)結(jié)構(gòu)—列表 26
2．4 數(shù)據(jù)結(jié)構(gòu)—元組 28
2．5 數(shù)據(jù)結(jié)構(gòu)—集合 30
2．6 數(shù)據(jù)結(jié)構(gòu)—字典 31
2．7 numpy數(shù)組 33
2．8 總結(jié)和習(xí)題 40
2．8．1 總結(jié) 40
2．8．2 習(xí)題 40
第3章 函數(shù) 42
3．1 函數(shù)基礎(chǔ) 42
3．1．1 Python 內(nèi)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(jié)和習(xí)題 55
3．6．1 總結(jié) 55
3．6．2 習(xí)題 55
第4章 分支語(yǔ)句 59
4．1 if-else語(yǔ)句 59
4．2 三元運(yùn)算符 65
4．3 總結(jié)和習(xí)題 65
4．3．1 總結(jié) 65
4．3．2 習(xí)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(dǎo)式 76
5．3．1 列表推導(dǎo)式 76
5．3．2 字典推導(dǎo)式 77
5．4 總結(jié)和習(xí)題 77
5．4．1 總結(jié) 77
5．4．2 習(xí)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(wèn)題 85
6．2．2 快速排序 87
6．3 總結(jié)和習(xí)題 88
6．3．1 總結(jié) 88
6．3．2 習(xí)題 89
第7章 面向?qū)ο缶幊? 94
7．1 面向?qū)ο缶幊毯?jiǎn)介 94
7．2 類(lèi)和對(duì)象 95
7．2．1 類(lèi) 95
7．2．2 對(duì)象 97
7．2．3 類(lèi)屬性與實(shí)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(jié)和習(xí)題 103
7．4．1 總結(jié) 103
7．4．2 習(xí)題 103
第8章 復(fù)雜度 105
8．1 復(fù)雜度和大O表示法 105
8．2 復(fù)雜度問(wèn)題 107
8．3 分析器 108
8．3．1 使用魔術(shù)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(jié)和習(xí)題 111
8．4．1 總結(jié) 111
8．4．2 習(xí)題 111
第9章 數(shù)字的表示 113
9．1 baseN和二進(jìn)制 113
9．2 浮點(diǎn)數(shù) 114
9．3 舍入誤差 118
9．3．1 表示誤差 118
9．3．2 浮點(diǎn)運(yùn)算導(dǎo)致的舍入誤差 118
9．3．3 舍入誤差的累積 119
9．4 總結(jié)和習(xí)題 120
9．4．1 總結(jié) 120
9．4．2 習(xí)題 120
第10章 錯(cuò)誤、良好的編程實(shí)踐
和調(diào)試 123
10．1 錯(cuò)誤類(lèi)型 123
10．2 避免錯(cuò)誤 125
10．2．1 規(guī)劃你的程序 125
10．2．2 經(jīng)常進(jìn)行測(cè)試 126
10．2．3 保持代碼整潔 126
10．3 異常 128
10．4 類(lèi)型檢查 130
10．5 調(diào)試 132
10．5．1 在遇到異常時(shí)激活
調(diào)試器 132
10．5．2 在運(yùn)行代碼前激活
調(diào)試器 134
10．5．3 添加斷點(diǎn) 135
10．6 總結(jié)和習(xí)題 136
10．6．1 總結(jié) 136
10．6．2 習(xí)題 136
第11章 讀寫(xiě)數(shù)據(jù) 137
11．1 文本文件 137
11．1．1 寫(xiě)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(xiě)入和打開(kāi)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(xiě)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(xiě)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(jié)和習(xí)題 147
11．6．1 總結(jié) 147
11．6．2 習(xí)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(dòng)畫(huà)和電影 165
12．5 總結(jié)和習(xí)題 167
12．5．1 總結(jié) 167
12．5．2 習(xí)題 167
第13章 Python并行化 173
13．1 并行計(jì)算基礎(chǔ)知識(shí) 173
13．1．1 進(jìn)程和線程 174
13．1．2 Python的GIL問(wèn)題 174
13．1．3 使用并行計(jì)算的缺點(diǎn) 174
13．2 多進(jìn)程 174
13．2．1 可視化執(zhí)行時(shí)間 176
13．3 使用joblib包 177
13．4 總結(jié)和習(xí)題 178
13．4．1 總結(jié) 178
13．4．2 習(xí)題 178
第二部分 數(shù)值方法簡(jiǎn)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(chǔ)知識(shí) 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(dāng)消元法 192
14．4．3 LU分解法 194
14．4．4 迭代法—高斯–
賽德?tīng)柗? 196
14．5 用Python求解線性方程組 198
14．6 矩陣求逆 199
14．7 總結(jié)和習(xí)題 202
14．7．1 總結(jié) 202
14．7．2 習(xí)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(wèn)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(jié)和習(xí)題 214
15．5．1 總結(jié) 214
15．5．2 習(xí)題 214
第16章 *小二乘回歸 216
16．1 *小二乘回歸問(wèn)題陳述 216
16．2 *小二乘回歸推導(dǎo)
（線性代數(shù)） 216
16．3 *小二乘回歸推導(dǎo)（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(duì)數(shù)技巧 221
16．5．2 冪函數(shù)的對(duì)數(shù)技巧 223
16．5．3 多項(xiàng)式回歸 223
16．5．4 使用scipy中的optimize．
curve_fit 224
16．6 總結(jié)和習(xí)題 225
16．6．1 總結(jié) 225
16．6．2 習(xí)題 225
第17章 插值 228
17．1 插值問(wèn)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(xiàng)式插值 233
17．4．1 使用scipy中的
lagrange函數(shù) 235
17．5 牛頓多項(xiàng)式插值 236
17．6 總結(jié)和習(xí)題 239
17．6．1 總結(jié) 239
17．6．2 習(xí)題 239
第18章 泰勒級(jí)數(shù) 243
18．1 使用泰勒級(jí)數(shù)表達(dá)函數(shù) 243
18．2 使用泰勒級(jí)數(shù)的近似值 244
18．3 關(guān)于誤差的討論 246
18．3．1 泰勒級(jí)數(shù)的截?cái)嗾`差 246
18．3．2 估計(jì)截?cái)嗾`差 247
18．3．3 泰勒級(jí)數(shù)的舍入誤差 248
18．4 總結(jié)和習(xí)題 249
18．4．1 總結(jié) 249
18．4．2 習(xí)題 249
第19章 尋根問(wèn)題 250
19．1 尋根問(wèn)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(wèn)題 256
19．6 總結(jié)和習(xí)題 256
19．6．1 總結(jié) 256
19．6．2 習(xí)題 256
第20章 數(shù)值微分 259
20．1 數(shù)值微分問(wèn)題陳述 259
20．2 使用有限差分近似求導(dǎo) 259
20．2．1 使用有限差分近似
泰勒級(jí)數(shù)的導(dǎo)數(shù) 260
20．3 高階導(dǎo)數(shù)的近似 265
20．4 帶噪聲的數(shù)值微分 266
20．5 總結(jié)和習(xí)題 268
20．5．1 總結(jié) 268
20．5．2 習(xí)題 268
第21章 數(shù)值積分 272
21．1 數(shù)值積分問(wèn)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(jì)算積分 280
21．6 總結(jié)和習(xí)題 282
21．6．1 總結(jié) 282
21．6．2 習(xí)題 282
第22章 常微分方程初值問(wèn)題 286
22．1 常微分方程初值問(wèn)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(yù)測(cè)–校正法和龍格–
庫(kù)塔法 295
22．5．1 預(yù)測(cè)–校正法 295
22．5．2 龍格–庫(kù)塔法 296
22．6 Python ODE求解器 298
22．7 進(jìn)階專(zhuān)題 301
22．7．1 多步法 301
22．7．2 剛性常微分方程 302
22．8 總結(jié)和習(xí)題 302
22．8．1 總結(jié) 302
22．8．2 習(xí)題 302
第23章 常微分方程邊值問(wèn)題 310
23．1 常微分方程邊值問(wèn)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(jié)和習(xí)題 320
23．5．1 總結(jié) 320
23．5．2 習(xí)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(xué)工具對(duì)波建模 322
24．1．2 波的特性 323
24．2 離散傅里葉變換簡(jiǎn)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(duì)稱(chēng)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(jié)和習(xí)題 342
24．5．1 總結(jié) 342
24．5．2 習(xí)題 343
附錄A 在Windows中使用
Python 345