Python科學計算（原書第2版）

出版者的話

譯者序

第2版前言

第1版前言

第1章 導論

1．1 科學計算軟件

1．2 本書的規(guī)劃

1．3 Python能與編譯語言競爭嗎

1．4 本書的局限性

1．5 安裝Python和附加軟件包

第2章 IPython入門

2．1 Tab鍵代碼自動補全功能

2．2 自省

2．3 歷史命令

2．4 魔法命令

2．5 IPython實踐：擴展示例

2．5．1 使用IPython終端的工作流程

2．5．2 使用IPython筆記本的工作流程

第3章 Python簡明教程

3．1 輸入Python代碼

3．2 對象和標識符

3．3 數(shù)值類型

3．3．1 整型

3．3．2 實數(shù)

3．3．3 布爾值

3．3．4 復數(shù)

3．4 名稱空間和模塊

3．5 容器對象

3．5．1 列表

3．5．2 列表索引

3．5．3 列表切片

3．5．4 列表的可變性

3．5．5 元組

3．5．6 字符串

3．5．7 字典

3．6 Python的if語句

3．7 循環(huán)結(jié)構(gòu)

3．7．1 Python的for循環(huán)結(jié)構(gòu)

3．7．2 Python的continue語句

3．7．3 Python的break語句

3．7．4 列表解析

3．7．5 Python的while循環(huán)

3．8 函數(shù)

3．8．1 語法和作用范圍

3．8．2 位置參數(shù)

3．8．3 關鍵字參數(shù)

3．8．4 可變數(shù)量的位置參數(shù)

3．8．5 可變數(shù)量的關鍵字參數(shù)

3．8．6 Python的輸入/輸出函數(shù)

3．8．7 Python的print函數(shù)

3．8．8 匿名函數(shù)

3．9 Python類簡介

3．1 0Python程序結(jié)構(gòu)

3．1 1素數(shù)：實用示例

第4章 NumPy

4．1 一維數(shù)組

4．1．1 初始構(gòu)造函數(shù)

4．1．2 “相似”構(gòu)造函數(shù)

4．1．3 向量的算術(shù)運算

4．1．4 通用函數(shù)

4．1．5 向量的邏輯運算符

4．2 二維數(shù)組

4．2．1 廣播

4．2．2 初始構(gòu)造函數(shù)

4．2．3 “相似”構(gòu)造函數(shù)

4．2．4 數(shù)組的運算和通用函數(shù)

4．3 多維數(shù)組

4．4 內(nèi)部輸入和輸出

4．4．1 分散的輸出和輸入

4．4．2 NumPy文本文件的輸出和輸入

4．4．3 NumPy二進制文件的輸出和輸入

4．5 外部輸入和輸出

4．5．1 小規(guī)模數(shù)據(jù)

4．5．2 大規(guī)模數(shù)據(jù)

4．6 其他通用函數(shù)

4．6．1 最大值和最小值

4．6．2 求和與乘積

4．6．3 簡單統(tǒng)計

4．7 多項式

4．7．1 根據(jù)數(shù)據(jù)求多項式系數(shù)

4．7．2 根據(jù)多項式系數(shù)求數(shù)據(jù)

4．7．3 系數(shù)形式的多項式運算

4．8 線性代數(shù)

4．8．1 矩陣的基本運算

4．8．2 矩陣的特殊運算

4．8．3 求解線性方程組

4．9 有關NumPy的更多內(nèi)容和進一步學習

4．9．1 SciPy

4．9．2 SciKits

第5章 二維圖形

5．1 概述

5．2 繪圖入門：簡單圖形

5．2．1 前端

5．2．2 后端

5．2．3 一個簡單示例圖形

5．2．4 交互式操作

5．3 面向?qū)ο蟮腗atplotlib

5．4 笛卡兒坐標繪圖

5．4．1 Matplotlib繪圖函數(shù)

5．4．2 曲線樣式

5．4．3 標記樣式

5．4．4 坐標軸、網(wǎng)格線、標簽和標題

5．4．5 一個稍復雜的示例：傅里葉級數(shù)的部分和

5．5 極坐標繪圖

5．6 誤差條

5．7 文本與注釋

5．8 顯示數(shù)學公式

5．8．1 非LaTeX用戶

5．8．2 LaTeX用戶

5．8．3 LaTeX用戶的替代方案

5．9 等高線圖

5．1 0復合圖形

5．1 0．1 多個圖形

5．1 0．2 多個繪圖

5．1 1曼德爾布羅特集：實用示例

第6章 多維圖形

6．1 概述

6．2 降維到二維

6．3 可視化軟件

6．4 可視化任務示例

6．5 孤立波的可視化

6．5．1 交互式操作任務

6．5．2 動畫任務

6．5．3 電影任務

6．6 三維對象的可視化

6．7 三維曲線

6．7．1 使用mplot3d可視化曲線

6．7．2 使用mlab可視化曲線

6．8 簡單曲面

6．8．1 使用mplot3d可視化簡單曲面

6．8．2 使用mlab可視化簡單曲面

6．9 參數(shù)化定義的曲面

6．9．1 使用mplot3d可視化Enneper曲面

6．9．2 使用mlab可視化Enneper曲面

6．1 0居里葉集的三維可視化

第7章 SymPy：一個計算機代數(shù)系統(tǒng)

7．1 計算機代數(shù)系統(tǒng)

7．2 符號和函數(shù)

7．3 Python和SymPy之間的轉(zhuǎn)換

7．4 矩陣和向量

7．5 一些初等微積分

7．5．1 微分

7．5．2 積分

7．5．3 級數(shù)與極限

7．6 等式、符號等式和化簡

7．7 方程求解

7．7．1 單變量方程

7．7．2 具有多個自變量的線性方程組

7．7．3 更一般的方程組

7．8 常微分方程的求解

7．9 在SymPy中繪圖

第8章 常微分方程

8．1 初值問題

8．2 基本思想

8．3 odeint函數(shù)

8．3．1 理論背景

8．3．2 諧波振蕩器

8．3．3 范德波爾振蕩器

8．3．4 洛倫茲方程

8．4 兩點邊值問題

8．4．1 概述

8．4．2 邊值問題的公式化

8．4．3 簡單示例

8．4．4 線性特征值問題

8．4．5 非線性邊值問題

8．5 延遲微分方程

8．5．1 模型方程

8．5．2 更一般的方程及其數(shù)值解

8．5．3 邏輯斯諦方程

8．5．4 麥克-格拉斯方程

8．6 隨機微分方程

8．6．1 維納過程

8．6．2 Ito微積分

8．6．3 Ito與斯特拉托諾維奇隨機積分

8．6．4 隨機微分方程的數(shù)值求解

第9章 偏微分方程：偽譜方法

9．1 初邊值問題

9．2 直線法

9．3 有限差分空間導數(shù)

9．4 周期問題的譜技術(shù)空間導數(shù)方法

9．5 空間周期問題的IVP

9．6 非周期問題的譜技術(shù)

9．7 f2py概述

9．7．1 使用標量參數(shù)的簡單示例

9．7．2 向量參數(shù)

9．7．3 使用多維參數(shù)的簡單示例

9．7．4 f2py的其他特征

9．8 f2py真實案例

9．9 實用示例：伯格斯方程

9．9．1 邊界條件：傳統(tǒng)方法

9．9．2 邊界條件：懲罰方法

第10章 案例研究：多重網(wǎng)格

10．1 一維情形

10．1．1 線性橢圓型方程

10．1．2 平滑眾數(shù)和粗糙眾數(shù)

10．2 多重網(wǎng)格工具

10．2．1 松弛法

10．2．2 殘差與誤差

10．2．3 延拓和限制

10．3 多重網(wǎng)格算法

10．3．1 雙重網(wǎng)格算法

10．3．2 V循環(huán)算法

10．3．3 完全多重網(wǎng)格算法

10．4 簡單的Python多重網(wǎng)格實現(xiàn)

10．4．1 實用函數(shù)

10．4．2 平滑函數(shù)

10．4．3 多重網(wǎng)格函數(shù)

附錄A 安裝Python環(huán)境

附錄B 偽譜方法的Fortran77子程序

參考文獻