注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術計算機/網(wǎng)絡軟件與程序設計Python科學計算最佳實踐 SciPy指南:Python

Python科學計算最佳實踐 SciPy指南:Python

Python科學計算最佳實踐 SciPy指南:Python

定 價:¥69.00

作 者: [澳] 胡安,努內茲,伊格萊西亞斯,[美] 斯特凡·范德瓦爾特 著,陳光欣 譯
出版社: 人民郵電出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787115499127 出版時間: 2019-01-01 包裝: 平裝
開本: 16開 頁數(shù): 206 字數(shù):  

內容簡介

  本書旨在介紹開源的Python算法庫和數(shù)學工具包SciPy。近年來,基于NumPy和SciPy的完整生態(tài)系統(tǒng)迅速發(fā)展起來,并在天文學、生物學、氣象學和氣候科學,以及材料科學等多個學科得到了廣泛應用。本書結合大量代碼實例,詳盡展示了SciPy的強大科學計算能力,包括用NumPy和SciPy進行分位數(shù)標準化,用ndimage實現(xiàn)圖像區(qū)域網(wǎng)絡,頻率與快速傅里葉變換,用稀疏坐標矩陣實現(xiàn)列聯(lián)表,SciPy中的線性代數(shù),SciPy中的函數(shù)優(yōu)化等。

作者簡介

  胡安?努內茲-伊格萊西亞斯(Juan Nunez-Iglesias),澳大利亞莫納什大學研究員,咨詢顧問。斯特凡?范德瓦爾特(Stéfan van der Walt),scikit-image的創(chuàng)建者,加州大學伯克利分校數(shù)據(jù)科學研究所助理研究員,南非斯泰倫博斯大學應用數(shù)學高級講師。哈麗雅特?達士諾(Harriet Dashnow),生物信息學家,曾在默多克兒童研究所、墨爾本大學生物化學系和維多利亞州生命科學計劃項目中工作過。【譯者簡介】陳光欣,畢業(yè)于清華大學并留校工作,主要興趣為數(shù)據(jù)分析與數(shù)據(jù)挖掘。

圖書目錄

前言  ix
第 1章 優(yōu)雅的NumPy:Python科學應用的基礎  1
1.1 數(shù)據(jù)簡介:什么是基因表達  2
1.2 NumPy的N維數(shù)組  6
1.2.1 為什么用N維數(shù)組代替Python列表  7
1.2.2 向量化  9
1.2.3 廣播  9
1.3 探索基因表達數(shù)據(jù)集  10
1.4 標準化  13
1.4.1 樣本間的標準化  13
1.4.2 基因間的標準化  19
1.4.3 樣本與基因標準化:RPKM  21
1.5 小結  27
第 2章 用NumPy和SciPy進行分位數(shù)標準化  28
2.1 獲取數(shù)據(jù)  30
2.2 獨立樣本間的基因表達分布差異  30
2.3 計數(shù)數(shù)據(jù)的雙向聚類  33
2.4 簇的可視化  35
2.5 預測幸存者  37
2.5.1 進一步工作:使用TCGA患者簇  41
2.5.2 進一步工作:重新生成TCGA簇  41
第3章 用ndimage實現(xiàn)圖像區(qū)域網(wǎng)絡  42
3.1 圖像就是NumPy數(shù)組  43
3.2 信號處理中的濾波器  48
3.3 圖像濾波(二維濾波器)  53
3.4 通用濾波器:鄰近值的任意函數(shù)  55
3.4.1 練習:康威的生命游戲  56
3.4.2 練習:Sobel梯度幅值  56
3.5 圖與NetworkX庫  57
3.6 區(qū)域鄰接圖  60
3.7 優(yōu)雅的ndimage:如何根據(jù)圖像區(qū)域建立圖對象  63
3.8 歸納總結:平均顏色分割  65
第4章 頻率與快速傅里葉變換  67
4.1 頻率的引入  67
4.2 示例:鳥鳴聲譜圖  69
4.3 歷史  74
4.4 實現(xiàn)  75
4.5 選擇離散傅里葉變換的長度  75
4.6 更多離散傅里葉變換概念  77
4.6.1 頻率及其排序  77
4.6.2 加窗  83
4.7 實際應用:分析雷達數(shù)據(jù)  86
4.7.1 頻域中的信號性質  91
4.7.2 加窗之后  93
4.7.3 雷達圖像  95
4.7.4 快速傅里葉變換的進一步應用  99
4.7.5 更多閱讀  99
4.7.6 練習:圖像卷積  100
第5章 用稀疏坐標矩陣實現(xiàn)列聯(lián)表  101
5.1 列聯(lián)表  102
5.1.1 練習:混淆矩陣的計算復雜度  103
5.1.2 練習:計算混淆矩陣的另一種方法  103
5.1.3 練習:多類混淆矩陣  104
5.2 scipy.sparse數(shù)據(jù)格式  104
5.2.1 COO格式  104
5.2.2 練習:COO表示  105
5.2.3 稀疏行壓縮格式  106
5.3 稀疏矩陣應用:圖像轉換  108
5.4 回到列聯(lián)表  112
5.5 圖像分割中的列聯(lián)表  113
5.6 信息論簡介  114
5.7 圖像分割中的信息論:信息變異  117
5.8 轉換NumPy數(shù)組代碼以使用稀疏矩陣  119
5.9 使用信息變異  120
第6章 SciPy中的線性代數(shù)  128
6.1 線性代數(shù)基礎  128
6.2 圖的拉普拉斯矩陣  129
6.3 大腦數(shù)據(jù)的拉普拉斯矩陣  134
6.3.1 練習:顯示近鄰視圖  138
6.3.2 練習挑戰(zhàn):稀疏矩陣線性代數(shù)  138
6.4 PageRank:用于聲望和重要性的線性代數(shù)  139
6.4.1 練習:處理懸掛節(jié)點  144
6.4.2 練習:不同特征向量方法的等價性  144
6.5 結束語  144
第7章 SciPy中的函數(shù)優(yōu)化  145
7.1 SciPy優(yōu)化模塊:sicpy.optimize  146
7.2 用optimize進行圖像配準  152
7.3 用basin hopping算法避開局部最小值  155
7.4 選擇正確的目標函數(shù)  156
第8章 用Toolz在筆記本電腦上玩轉大數(shù)據(jù)  163
8.1 用yield進行流處理  164
8.2 引入Toolz流庫  167
8.3 k-mer計數(shù)與錯誤修正  169
8.4 柯里化:流的調料  173
8.5 回到k-mer計數(shù)  175
8.6 全基因組的馬爾可夫模型  177
后記  182
附錄 練習答案  186
作者簡介  206
封面簡介  206

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號