logo
分类于: 互联网 云计算&大数据

简介

Python科学计算最佳实践:SciPy指南

Python科学计算最佳实践:SciPy指南 0.0分

资源最后更新于 2020-08-23 08:19:00

作者:[澳]胡安•努内兹-伊格莱西亚斯

译者:陈光欣

出版社:人民邮电出版社

出版日期:2019-01

ISBN:9787115499127

文件格式: pdf

标签: Python 科学计算 计算科学 图灵 计算机 胡安·努内兹-伊格莱西亚斯 编程 机器学习

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。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

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