Python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，以及材料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、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的计算工具达到事半功倍的效果。”——Greg Wilson，RStudio数据家，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计算工具，展示了如何使用Python编程来处理数据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，还阐释了数据研究中一些必要的基础概念，是使用Python编程的数据研究人员阅读参考的理想选择。

● 探索Python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。