科學(xué)計(jì)算基礎(chǔ)編程（第五版 Python版 ）

目錄
第1章公式的計(jì)算1
1.1編程計(jì)算: 個(gè)公式1
1.1.1用程序作計(jì)算器1
1.1.2程序和編程2
1.1.3編寫程序的工具2
1.1.4個(gè)Python程序3
1.1.5輸入程序文本時(shí)的警告3
1.1.6驗(yàn)證結(jié)果4
1.1.7變量4
1.1.8變量名4
1.1.9Python中的保留字5
1.1.10注釋5
1.1.11指定文字和數(shù)字的輸出格式6
1.2計(jì)算機(jī)專業(yè)術(shù)語(yǔ)9
1.3計(jì)算另一個(gè)公式: 攝氏度與華氏度的轉(zhuǎn)換12
1.3.1容易被忽略的錯(cuò)誤: 整數(shù)除法12
1.3.2Python中的對(duì)象13
1.3.3避免整數(shù)除法14
1.3.4算術(shù)運(yùn)算符和優(yōu)先級(jí)15
1.4求標(biāo)準(zhǔn)數(shù)學(xué)函數(shù)的值15
1.4.1示例: 使用平方根函數(shù)15
1.4.2示例: 計(jì)算sinh x17
1.4.3初窺舍入誤差17
1.5交互式計(jì)算18
1.5.1使用Python shell18
1.5.2類型轉(zhuǎn)換19
1.5.3IPython20
1.6復(fù)數(shù)23
1.6.1Python中的復(fù)數(shù)運(yùn)算23
1.6.2Python中的復(fù)函數(shù)24
1.6.3實(shí)數(shù)函數(shù)與復(fù)數(shù)函數(shù)的統(tǒng)一處理25
1.7符號(hào)計(jì)算26
1.7.1基本的微分和積分26
1.7.2方程求解27
1.7.3泰勒級(jí)數(shù)和其他28
1.8本章小結(jié)28
1.8.1本章主題28
1.8.2示例: 球的軌跡31
1.8.3關(guān)于本書中的排版約定32
1.9習(xí)題33
第2章循環(huán)與列表41
2.1while循環(huán)41
2.1.1直接的方法41
2.1.2while循環(huán)42
2.1.3布爾表達(dá)式43
2.1.4示例: 累加求和45
2.2列表46
2.2.1列表的基本操作46
2.2.2for循環(huán)48
2.3列表和循環(huán)的替代實(shí)現(xiàn)50
2.3.1用while循環(huán)實(shí)現(xiàn)for循環(huán)50
2.3.2Range結(jié)構(gòu)50
2.3.3用for循環(huán)對(duì)列表索引進(jìn)行迭代51
2.3.4修改列表元素52
2.3.5列表推導(dǎo)式53
2.3.6同時(shí)遍歷多個(gè)列表53
2.4嵌套列表54
2.4.1表格: “行”或“列”構(gòu)成的列表54
2.4.2打印對(duì)象55
2.4.3提取子列表56
2.4.4遍歷嵌套列表58
2.5元組60
2.6本章小結(jié)61
2.6.1本章主題61
2.6.2示例: 分析列表數(shù)據(jù)64
2.6.3如何找到更多的Python信息66
2.7習(xí)題67
第3章函數(shù)與分支74
3.1函數(shù)74
3.1.1數(shù)學(xué)函數(shù)作為Python函數(shù)74
3.1.2了解程序執(zhí)行過程75
3.1.3局部變量和全局變量76
3.1.4多參數(shù)78
3.1.5使用函數(shù)參數(shù)還是全局變量79
3.1.6非數(shù)學(xué)函數(shù)79
3.1.7返回多個(gè)值80
3.1.8求和81
3.1.9無返回值82
3.1.10關(guān)鍵字參數(shù)84
3.1.11文檔字符串85
3.1.12函數(shù)作為函數(shù)的參數(shù)87
3.1.13主程序89
3.1.14lambda函數(shù)89
3.2分支90
3.2.1ifelse語(yǔ)句90
3.2.2內(nèi)嵌if語(yǔ)句92
3.3混合循環(huán)、分支、函數(shù)的生物信息學(xué)應(yīng)用示例93
3.3.1DNA字符串中的字母計(jì)數(shù)93
3.3.2效率評(píng)估96
3.3.3驗(yàn)證實(shí)現(xiàn)98
3.4本章小結(jié)99
3.4.1本章主題99
3.4.2示例: 數(shù)值積分100
3.5習(xí)題104
第4章用戶輸入和錯(cuò)誤管理120
4.1提出問題和讀入應(yīng)答120
4.2從命令行讀取121
4.2.1在命令行上提供輸入121
4.2.2可變數(shù)量的命令行參數(shù)122
4.2.3關(guān)于命令行參數(shù)的進(jìn)一步理解123
4.3將用戶文本轉(zhuǎn)換為活躍對(duì)象123
4.3.1神奇的eval函數(shù)124
4.3.2神奇的exec函數(shù)127
4.3.3將字符串表達(dá)式轉(zhuǎn)換為函數(shù)129
4.4命令行上的參數(shù)名值對(duì)130
4.4.1argparse模塊的基本用法130
4.4.2將數(shù)學(xué)表達(dá)式作為值131
4.5從文件中讀取數(shù)據(jù)133
4.5.1逐行讀取文件134
4.5.2其他讀取文件的方法135
4.5.3讀取文本和數(shù)字的混合文件137
4.6將數(shù)據(jù)寫入文件138
4.6.1示例: 將表格寫入文件139
4.6.2標(biāo)準(zhǔn)輸入和輸出作為文件對(duì)象140
4.6.3文件到底是什么142
4.7錯(cuò)誤處理144
4.7.1異常處理145
4.7.2產(chǎn)生異常148
4.8圖形化的用戶界面150
4.9制作模塊151
4.9.1示例: 銀行存款利息152
4.9.2將函數(shù)收集在模塊文件中153
4.9.3測(cè)試塊153
4.9.4驗(yàn)證模塊代碼155
4.9.5獲取輸入數(shù)據(jù)156
4.9.6模塊中的文檔字符串158
4.9.7使用模塊158
4.9.8發(fā)布模塊161
4.9.9使軟件在互聯(lián)網(wǎng)上可用161
4.10Python 2和Python 3的代碼162
4.10.1Python 2和Python 3的基本差異162
4.10.2將Python 2代碼轉(zhuǎn)換為Python 3代碼163
4.11本章小結(jié)165
4.11.1本章主題165
4.11.2示例: 二分查找168
4.12習(xí)題175
第5章數(shù)組計(jì)算和曲線繪圖182
5.1向量182
5.1.1向量的概念182
5.1.2向量的數(shù)學(xué)運(yùn)算183
5.1.3向量算術(shù)和向量函數(shù)184
5.2Python程序中的數(shù)組185
5.2.1用列表來收集函數(shù)數(shù)據(jù)185
5.2.2Numerical Python的數(shù)組基礎(chǔ)186
5.2.3計(jì)算坐標(biāo)和函數(shù)值187
5.2.4向量化188
5.3繪制函數(shù)曲線190
5.3.1用Matplotlib實(shí)現(xiàn)MATLAB風(fēng)格的繪圖190
5.3.2Matplotlib和Pyplot前綴194
5.3.3SciTools和Easyviz195
5.3.4制作動(dòng)畫200
5.3.5制作視頻204
5.3.6用文本字符繪制曲線205
5.4繪制高難度函數(shù)206
5.4.1分段定義函數(shù)206
5.4.2快速變化函數(shù)208
5.5更高級(jí)的函數(shù)向量化209
5.5.1StringFunction對(duì)象向量化209
5.5.2Heaviside函數(shù)向量化210
5.5.3帽狀函數(shù)向量化213
5.6Numerical Python數(shù)組深入剖析215
5.6.1復(fù)制數(shù)組215
5.6.2原地運(yùn)算216
5.6.3數(shù)組分配217
5.6.4廣義索引217
5.6.5數(shù)組類型檢測(cè)218
5.6.6數(shù)組生成的緊湊語(yǔ)法219
5.6.7形狀操作219
5.7數(shù)組的高性能計(jì)算219
5.7.1標(biāo)量實(shí)現(xiàn)方式220
5.7.2向量化實(shí)現(xiàn)方式221
5.7.3節(jié)省內(nèi)存的實(shí)現(xiàn)方式221
5.7.4內(nèi)存使用分析222
5.7.5CPU時(shí)間分析223
5.8高維數(shù)組224
5.8.1矩陣與數(shù)組224
5.8.2Python的二維數(shù)值數(shù)組225
5.8.3數(shù)組計(jì)算228
5.8.4矩陣對(duì)象228
5.9一些常見的線性代數(shù)運(yùn)算229
5.9.1逆、行列式和特征值229
5.9.2乘積230
5.9.3范數(shù)230
5.9.4和與極值230
5.9.5索引232
5.9.6轉(zhuǎn)置和上／下三角部分232
5.9.7求解線性方程組233
5.9.8矩陣的行列操作233
5.9.9計(jì)算矩陣的秩234
5.9.10符號(hào)化線性代數(shù)235
5.10繪制標(biāo)量和向量場(chǎng)237
5.10.1安裝237
5.10.2曲面繪圖238
5.10.3參數(shù)化曲線239
5.10.4等高線239
5.10.5梯度向量場(chǎng)240
5.11Matplotlib240
5.11.1曲面繪圖241
5.11.2等高線繪圖241
5.11.3向量場(chǎng)繪圖243
5.12Mayavi243
5.12.1曲面繪圖244
5.12.2等高線繪圖245
5.12.3向量場(chǎng)繪圖247
5.12.4一個(gè)3D標(biāo)量場(chǎng)及其梯度場(chǎng)247
5.12.5動(dòng)畫249
5.13本章小結(jié)249
5.13.1本章主題249
5.13.2示例: 動(dòng)畫函數(shù)251
5.14習(xí)題254
第6章字典與字符串269
6.1字典269
6.1.1創(chuàng)建字典269
6.1.2字典操作270
6.1.3示例: 多項(xiàng)式作為字典271
6.1.4具有默認(rèn)值和排序的字典273
6.1.5示例: 在字典中存儲(chǔ)文件數(shù)據(jù)276
6.1.6示例: 在嵌套字典中存儲(chǔ)文件數(shù)據(jù)277
6.1.7示例: 讀取和繪制在特定日期記錄的數(shù)據(jù)281
6.2字符串285
6.2.1字符串常見操作285
6.2.2示例: 讀取數(shù)值對(duì)289
6.2.3示例: 讀取坐標(biāo)292
6.3從網(wǎng)頁(yè)讀取數(shù)據(jù)294
6.3.1關(guān)于網(wǎng)頁(yè)294
6.3.2如何編程訪問網(wǎng)頁(yè)295
6.3.3示例: 讀取純文本文件296
6.3.4示例: 從HTML提取數(shù)據(jù)298
6.3.5處理非英文文本298
6.4讀寫電子表格文件301
6.4.1CSV文件301
6.4.2讀取CSV文件302
6.4.3處理電子表格數(shù)據(jù)303
6.4.4寫入CSV文件303
6.4.5用Numerical Python數(shù)組表示數(shù)值單元格304
6.4.6使用更高級(jí)的Numerical Python功能305
6.5分析DNA的示例306
6.5.1計(jì)算頻率306
6.5.2分析頻率矩陣313
6.5.3尋找堿基頻率315
6.5.4將基因轉(zhuǎn)換成蛋白質(zhì)318
6.5.5有的人可以喝牛奶,而有的人則不能323
6.6編寫兼容Python 2和Python 3的代碼324
6.6.1Python 2和Python 3之間更多的差異324
6.6.2將Python 2代碼轉(zhuǎn)換成Python 3代碼325
6.7本章小結(jié)325
6.7.1本章主題325
6.7.2示例: 文件數(shù)據(jù)庫(kù)328
6.8習(xí)題331
第7章Python類簡(jiǎn)介337
7.1簡(jiǎn)單函數(shù)類337
7.1.1挑戰(zhàn): 帶參數(shù)的函數(shù)337
7.1.2將函數(shù)表示為類339
7.1.3self 變量343
7.1.4另一個(gè)函數(shù)類的例子344
7.1.5另一種函數(shù)類的實(shí)現(xiàn)345
7.1.6無構(gòu)造方法的類347
7.1.7閉包349
7.2更多關(guān)于類的例子350
7.2.1銀行賬戶350
7.2.2電話簿352
7.2.3圓354
7.3特殊方法355
7.3.1call特殊方法355
7.3.2示例: Automagic差分356
7.3.3示例: Automagic積分360
7.3.4將實(shí)例轉(zhuǎn)換為字符串362
7.3.5使用特殊方法的電話簿363
7.3.6支持加法的對(duì)象364
7.3.7示例: 多項(xiàng)式的類364
7.3.8多項(xiàng)式的精美打印367
7.3.9算術(shù)運(yùn)算和其他特殊方法369
7.3.10字符串轉(zhuǎn)換的特殊方法369
7.4示例: 平面中向量的類371
7.4.1對(duì)向量的一些數(shù)學(xué)運(yùn)算371
7.4.2實(shí)現(xiàn)371
7.4.3用法373
7.5示例: 復(fù)數(shù)類374
7.5.1實(shí)現(xiàn)374
7.5.2非法操作376
7.5.3復(fù)數(shù)與實(shí)數(shù)混合運(yùn)算376
7.5.4動(dòng)態(tài)類型、靜態(tài)類型、強(qiáng)類型、弱類型和Duck類型377
7.5.5應(yīng)用于右操作數(shù)的特殊方法378
7.5.6檢查實(shí)例379
7.6靜態(tài)方法和屬性380
7.7本章小結(jié)381
7.7.1本章主題381
7.7.2示例: 區(qū)間運(yùn)算383
7.8習(xí)題387
第8章隨機(jī)數(shù)和簡(jiǎn)單的游戲401
8.1生成隨機(jī)數(shù)401
8.1.1種子401
8.1.2均勻分布的隨機(jī)數(shù)402
8.1.3可視化分布情況402
8.1.4隨機(jī)數(shù)生成的向量化403
8.1.5計(jì)算平均值和標(biāo)準(zhǔn)差404
8.1.6高斯或正態(tài)分布406
8.2生成整數(shù)407
8.2.1隨機(jī)整數(shù)函數(shù)407
8.2.2示例: 投擲骰子408
8.2.3根據(jù)列表生成隨機(jī)數(shù)410
8.2.4示例: 從整副牌中選牌411
8.2.5示例: 牌的類實(shí)現(xiàn)413
8.3計(jì)算概率416
8.3.1蒙特卡羅模擬的原理416
8.3.2示例: 投擲骰子416
8.3.3示例: 從帽子中取球419
8.3.4基因的隨機(jī)變異421
8.3.5示例: 限制人口增長(zhǎng)的政策426
8.4簡(jiǎn)單游戲428
8.4.1猜數(shù)字428
8.4.2擲兩個(gè)骰子429
8.5蒙特卡羅積分432
8.5.1蒙特卡羅積分的推導(dǎo)432
8.5.2標(biāo)準(zhǔn)蒙特卡羅積分的實(shí)現(xiàn)433
8.5.3通過隨機(jī)點(diǎn)來計(jì)算區(qū)域面積437
8.6單維度的隨機(jī)游走438
8.6.1基本實(shí)現(xiàn)438
8.6.2可視化439
8.6.3以差分方程表示隨機(jī)游走439
8.6.4計(jì)算粒子位置的統(tǒng)計(jì)量440
8.6.5向量化實(shí)現(xiàn)440
8.7兩維度的隨機(jī)游走442
8.7.1基本實(shí)現(xiàn)442
8.7.2向量化實(shí)現(xiàn)443
8.8本章小結(jié)444
8.8.1本章主題444
8.8.2示例: 隨機(jī)增長(zhǎng)446
8.9習(xí)題451
第9章面向?qū)ο缶幊?63
9.1繼承與類層次 463
9.1.1Line類463
9.1.2初試Parabola類464
9.1.3使用繼承的Parabola類464
9.1.4檢查類之類型466
9.1.5屬性與繼承: hasa與isa關(guān)系467
9.1.6將超類作為接口468
9.2數(shù)值微分類470
9.2.1計(jì)算微分的類470
9.2.2驗(yàn)證472
9.2.3構(gòu)建靈活的主程序474
9.2.4擴(kuò)展475
9.2.5基于函數(shù)的實(shí)現(xiàn)478
9.2.6基于函數(shù)式編程的實(shí)現(xiàn)478
9.2.7由單個(gè)類實(shí)現(xiàn)的數(shù)值微分方法479
9.3數(shù)值積分類481
9.3.1數(shù)值積分方法481
9.3.2用于積分的類481
9.3.3驗(yàn)證485
9.3.4使用類層次486
9.3.5關(guān)于面向?qū)ο缶幊?88
9.4用于繪圖的類489
9.4.1使用對(duì)象集合489
9.4.2幾何對(duì)象的類的例子497
9.4.3通過遞歸增強(qiáng)功能501
9.4.4對(duì)圖形進(jìn)行縮放、平移和旋轉(zhuǎn)504
9.5用于DNA分析的類506
9.5.1表示區(qū)域的類506
9.5.2表示Gene的類507
9.5.3子類512
9.6本章小結(jié)513
9.6.1本章主題513
9.6.2示例: 輸入數(shù)據(jù)讀取器514
9.7習(xí)題519
附錄A數(shù)列和差分方程526
A.1用差分方程構(gòu)建數(shù)學(xué)模型526
A.1.1利息計(jì)算527
A.1.2用差分方程處理階乘問題529
A.1.3斐波那契數(shù)529
A.1.4生物群體的增長(zhǎng)531
A.1.5邏輯增長(zhǎng)531
A.1.6償還貸款532
A.1.7使用差分方程來求積分533
A.1.8使用差分方程計(jì)算泰勒級(jí)數(shù)535
A.1.9投資與生活536
A.1.10牛頓迭代法537
A.1.11反函數(shù)539
A.2對(duì)聲音編程541
A.2.1將聲音寫入文件542
A.2.2從文件讀取聲音542
A.2.3播放多個(gè)單音543
A.2.4數(shù)列產(chǎn)生的音樂544
A.3習(xí)題546
附錄B離散微積分簡(jiǎn)介555
B.1離散函數(shù)555
B.1.1正弦函數(shù)555
B.1.2插值557
B.1.3求近似值557
B.1.4概括558
B.2用有限差分來實(shí)現(xiàn)微分559
B.2.1正弦函數(shù)微分559
B.2.2網(wǎng)格上的差分560
B.2.3歸納561
B.3用求和實(shí)現(xiàn)積分562
B.3.1子區(qū)間劃分563
B.3.2子區(qū)間積分564
B.3.3子區(qū)間求和564
B.3.4歸納565
B.4泰勒級(jí)數(shù)567
B.4.1函數(shù)在某一點(diǎn)附近的近似值567
B.4.2指數(shù)函數(shù)近似567
B.4.3更高精度的展開567
B.4.4近似的精度569
B.4.5再論導(dǎo)數(shù)571
B.4.6更準(zhǔn)確的差分近似572
B.4.7二階導(dǎo)數(shù)574
B.5習(xí)題576
附錄C微分方程計(jì)算簡(jiǎn)介579
C.1入門案例579
C.2指數(shù)增長(zhǎng)581
C.3邏輯增長(zhǎng)585
C.4單擺585
C.5疾病傳播模型588
C.6習(xí)題589
附錄D一個(gè)完整的微分方程工程591
D.1問題描述: 物理中的運(yùn)動(dòng)和力591
D.1.1物理問題591
D.1.2求解算法592
D.1.3數(shù)學(xué)模型推導(dǎo)592
D.1.4算法推導(dǎo)594
D.2程序編寫及測(cè)試594
D.2.1算法實(shí)現(xiàn)594
D.2.2回調(diào)函數(shù)597
D.2.3制作模塊599
D.2.4驗(yàn)證600
D.3可視化602
D.3.1同步計(jì)算及繪圖602
D.3.2若干應(yīng)用604
D.3.3關(guān)于Δt的選取606
D.3.4在子圖中對(duì)若干量進(jìn)行
比較606
D.3.5比較近似解與精確解607
D.3.6誤差隨Δt減小而變化的情況608
D.4習(xí)題610
附錄E編程求解微分方程612
E.1標(biāo)量常微分方程612
E.1.1右手邊函數(shù)示例613
E.1.2前向歐拉方法613
E.1.3函數(shù)實(shí)現(xiàn)614
E.1.4驗(yàn)證實(shí)現(xiàn)615
E.1.5從離散解到連續(xù)解616
E.1.6轉(zhuǎn)換數(shù)值方法617
E.1.7類實(shí)現(xiàn)方式617
E.1.8邏輯增長(zhǎng)的函數(shù)方法實(shí)現(xiàn)621
E.1.9邏輯增長(zhǎng)的類方法實(shí)現(xiàn)622
E.2常微分方程組624
E.2.1數(shù)學(xué)問題624
E.2.2常微分方程組示例625
E.2.3函數(shù)實(shí)現(xiàn)626
E.2.4類實(shí)現(xiàn)628
E.3ODESolver類層次結(jié)構(gòu)629
E.3.1數(shù)值方法629
E.3.2求解器層次結(jié)構(gòu)的構(gòu)造630
E.3.3后向歐拉方法633
E.3.4驗(yàn)證635
E.3.5示例: 指數(shù)衰減636
E.3.6示例: 具有問題類和求解器類的Logistic方程638
E.3.7示例: 振蕩系統(tǒng)645
E.3.8應(yīng)用: 球的軌跡647
E.3.9ODESolver的進(jìn)一步開發(fā)649
E.4習(xí)題649
附錄F調(diào)試672
F.1使用調(diào)試器672
F.2如何調(diào)試675
F.2.1程序編寫和調(diào)試的方法675
F.2.2應(yīng)用實(shí)例677
F.2.3從代碼分析器獲取幫助688
附錄G提高Python運(yùn)行效率的技術(shù)690
G.1用Python編寫蒙特卡羅模擬的代碼690
G.1.1計(jì)算問題690
G.1.2Python實(shí)現(xiàn)的標(biāo)量版本690
G.1.3Python實(shí)現(xiàn)的向量化版本691
G.2將標(biāo)量Python代碼移植到
Cython692
G.2.1直接的Cython實(shí)現(xiàn)692
G.2.2改良的Cython實(shí)現(xiàn)695
G.3將Python/Cython代碼移植到
C代碼中697
G.3.1編寫C程序697
G.3.2通過f2py將循環(huán)移植到C代碼中697
G.3.3通過Cython將循環(huán)移植到C代碼中699
G.3.4效率比較699
附錄H技術(shù)主題701
H.1獲取Python701
H.1.1需要的軟件701
H.1.2在MacOS X和Windows平臺(tái)上安裝軟件702
H.1.3Anaconda與Spyder702
H.1.4VMWare Fusion虛擬機(jī)703
H.1.5Windows雙重啟動(dòng)705
H.1.6Vagrant虛擬機(jī)705
H.2如何編寫和運(yùn)行Python程序706
H.2.1文本編輯器706
H.2.2終端窗口707
H.3Web服務(wù): SageMathCloud與Wakari 708
H.3.1SageMathCloud簡(jiǎn)介708
H.3.2Wakari簡(jiǎn)介708
H.3.3安裝自己的Python包708
H.4IPython Notebook的使用709
H.4.1啟動(dòng)IPython Notebook709
H.4.2混編文本、數(shù)學(xué)、代碼和圖形709
H.5運(yùn)行Python程序的不同方式 710
H.5.1在IPython中運(yùn)行Python程序711
H.5.2在UNIX中運(yùn)行Python程序711
H.5.3在Windows中運(yùn)行Python程序712
H.5.4在MacOS X中運(yùn)行Python程序713
H.5.5制作完整的獨(dú)立可執(zhí)行文件713
H.6在Python中執(zhí)行操作系統(tǒng)命令713
H.7可變數(shù)量的函數(shù)參數(shù)716
H.7.1可變數(shù)量的位置參數(shù)717
H.7.2可變數(shù)量的關(guān)鍵字參數(shù)719
H.8評(píng)估程序執(zhí)行效率721
H.8.1測(cè)量時(shí)間721
H.8.2分析Python程序性能722
H.9軟件測(cè)試723
H.9.1測(cè)試函數(shù)需要遵循的約定724
H.9.2編寫測(cè)試函數(shù)及預(yù)先計(jì)算數(shù)據(jù)724
H.9.3編寫測(cè)試函數(shù)以及獲得精確數(shù)值解725
H.9.4測(cè)試函數(shù)魯棒性726
H.9.5自動(dòng)執(zhí)行測(cè)試728
參考文獻(xiàn)730s