Python科學計算(第2版)（附光盤） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

張若愚 著

圖書標籤:

• Python
• 科學計算
• 數值分析
• 數據分析
• 算法
• 編程
• 計算機科學
• 高等教育
• 教材
• 光盤

齣版社： 清華大學齣版社

ISBN：9787302426585

版次：2

商品編碼：11918059

品牌：清華大學

包裝：平裝

開本：16開

齣版時間：2016-04-01

用紙：膠版紙

頁數：716

字數：1083000

附件：光盤

産品特色

編輯推薦

　　1. 使用Python各種擴展庫完成數值計算、界麵製作、三維可視化、圖像處理、提高運算速度等任務
　　2. 光盤中提供作者本人整閤開發的便攜式運行環境WinPython，省去讀者一一收集Python各個擴展庫並安裝的麻煩，涵蓋NumPy、SciPy、matplotlib、Pandas、SymPy、TVTK、Mayavi、OpenCV、Cython等
　　3. 文前精美彩插演示書中示例所展現的Python各擴展庫的強大處理效果，裝幀和排版都十分考究

內容簡介

　　《Python 科學計算（第2版）》詳細介紹Python科學計算中常用的擴展庫NumPy、SciPy、matplotlib、Pandas、SymPy、TTK、Mayavi、OpenCV、Cython，涉及數值計算、界麵製作、三維可視化、圖像處理、提高運算效率等多方麵的內容。所附光盤中包含所有章節的Notebook以及便攜式運行環境WinPython，以方便讀者運行書中所有實例。

作者簡介

　　張若愚，畢業於華中理工大學(現華中科技大學)通信工程專業，2004年獲日本姬路工業大學(現兵庫縣立大學)碩士學位。畢業後於日本神戶製鋼綜閤研究所從事研究開發工作至今，研究方嚮為：嵌入式DSP信號處理係統開發，嵌入式MCU控製係統開發，工業控製軟件開發，信號處理、數據處理以及生産係統的計算機模擬。在工作中他積極采用Python作為主要編程語言，在數據處理、信號分析、工業控製、算法模擬等領域取得瞭較好的研究成果。已完成的研究課題有：嵌入式聲音分離係統、車載音響設備、超聲波探傷係統、壓縮機係統的數字模擬等。

目錄

第1章 Python科學計算環境的安裝與簡介 1
1.1 Python簡介 1
1.1.1 Python 2還是Python 3 1
1.1.2 開發環境 2
1.1.3 集成開發環境(IDE) 5
1.2 IPython Notebook入門 9
1.2.1 基本操作 10
1.2.2 魔法(Magic)命令 12
1.2.3 Notebook的顯示係統 20
1.2.4 定製IPython Notebook 24
1.3 擴展庫介紹 27
1.3.1 數值計算庫 27
1.3.2 符號計算庫 28
1.3.3 繪圖與可視化 28
1.3.4 數據處理和分析 29
1.3.5 界麵設計 30
1.3.6 圖像處理和計算機視覺 31
1.3.7 提高運算速度 31
第2章 NumPy-快速處理數據 33
2.1 ndarray對象 33
2.1.1 創建 34
2.1.2 元素類型 35
2.1.3 自動生成數組 37
2.1.4 存取元素 40
2.1.5 多維數組 43
2.1.6 結構數組 47
2.1.7 內存結構 50
2.2 ufunc函數 56
2.2.1 四則運算 58
2.2.2 比較運算和布爾運算 59
2.2.3 自定義ufunc函數 61
2.2.4 廣播 62
2.2.5 ufunc的方法 66
2.3 多維數組的下標存取 68
2.3.1 下標對象 68
2.3.2 整數數組作為下標 70
2.3.3 一個復雜的例子 72
2.3.4 布爾數組作為下標 73
2.4 龐大的函數庫 74
2.4.1 隨機數 74
2.4.2 求和、平均值、方差 77
2.4.3 大小與排序 81
2.4.4 統計函數 86
2.4.5 分段函數 89
2.4.6 操作多維數組 92
2.4.7 多項式函數 96
2.4.8 多項式函數類 98
2.4.9 各種乘積運算 103
2.4.10 廣義ufunc函數 106
2.5 實用技巧 110
2.5.1 動態數組 110
2.5.2 和其他對象共享內存 112
2.5.3 與結構數組共享內存 115
第3章 SciPy-數值計算庫 117
3.1 常數和特殊函數 117
3.2 擬閤與優化-optimize 119
3.2.1 非綫性方程組求解 120
3.2.2 最小二乘擬閤 121
3.2.3 計算函數局域最小值 125
3.2.4 計算全域最小值 127
3.3 綫性代數-linalg 128
3.3.1 解綫性方程組 129
3.3.2 最小二乘解 130
3.3.3 特徵值和特徵嚮量 132
3.3.4 奇異值分解-SVD 134
3.4 統計-stats 136
3.4.1 連續概率分布 136
3.4.2 離散概率分布 139
3.4.3 核密度估計 140
3.4.4 二項分布、泊鬆分布、伽瑪分布 142
3.4.5 學生t-分布與t檢驗 147
3.4.6 卡方分布和卡方檢驗 151
3.5 數值積分-integrate 154
3.5.1 球的體積 154
3.5.2 解常微分方程組 156
3.5.3 ode類 157
3.5.4 信號處理-signal 164
3.5.5 中值濾波 164
3.5.6 濾波器設計 165
3.5.7 連續時間綫性係統 167
3.6 插值-interpolate 172
3.6.1 一維插值 172
3.6.2 多維插值 177
3.7 稀疏矩陣-sparse 181
3.7.1 稀疏矩陣的存儲形式 182
3.7.2 最短路徑 183
3.8 圖像處理-ndimage 186
3.8.1 形態學圖像處理 187
3.8.2 圖像分割 192
3.9 空間算法庫-spatial 195
3.9.1 計算最近旁點 195
3.9.2 凸包 199
3.9.3 沃羅諾伊圖 201
3.9.4 德勞內三角化 204
第4章 matplotlib-繪製精美的圖錶 207
4.1 快速繪圖 207
4.1.1 使用pyplot模塊繪圖 207
4.1.2 麵嚮對象方式繪圖 210
4.1.3 配置屬性 211
4.1.4 繪製多子圖 212
4.1.5 配置文件 215
4.1.6 在圖錶中顯示中文 217
4.2 Artist對象 220
4.2.1 Artist的屬性 221
4.2.2 Figure容器 223
4.2.3 Axes容器 224
4.2.4 Axis容器 226
4.2.5 Artist對象的關係 230
4.3 坐標變換和注釋 231
4.3.1 4種坐標係 234
4.3.2 坐標變換的流水綫 236
4.3.3 製作陰影效果 240
4.3.4 添加注釋 241
4.4 塊、路徑和集閤 243
4.4.1 Path與Patch 243
4.4.2 集閤 245
4.5 繪圖函數簡介 255
4.5.1 對數坐標圖 255
4.5.2 極坐標圖 256
4.5.3 柱狀圖 257
4.5.4 散列圖 258
4.5.5 圖像 259
4.5.6 等值綫圖 261
4.5.7 四邊形網格 264
4.5.8 三角網格 267
4.5.9 箭頭圖 269
4.5.10 三維繪圖 273
4.6 matplotlib技巧集 274
4.6.1 使用agg後颱在圖像上繪圖 274
4.6.2 響應鼠標與鍵盤事件 277
4.6.3 動畫 285
4.6.4 添加GUI麵闆 288
第5章 Pandas-方便的數據分析庫 291
5.1 Pandas中的數據對象 291
5.1.1 Series對象 291
5.1.2 DataFrame對象 293
5.1.3 Index對象 297
5.1.4 MultiIndex對象 298
5.1.5 常用的函數參數 300
5.1.6 DataFrame的內部結構 301
5.2 下標存取 303
5.2.1 []操作符 304
5.2.2 .loc[]和.iloc[]存取器 304
5.2.3 獲取單個值 306
5.2.4 多級標簽的存取 306
5.2.5 query()方法 307
5.3 文件的輸入輸齣 307
5.3.1 CSV文件 308
5.3.2 HDF5文件 309
5.3.3 讀寫數據庫 313
5.3.4 使用Pickle序列化 314
5.4 數值運算函數 315
5.5 時間序列 323
5.5.1 時間點、時間段、時間間隔 323
5.5.2 時間序列 326
5.5.3 與NaN相關的函數 329
5.5.4 改變DataFrame的形狀 333
5.6 分組運算 338
5.6.1 groupby()方法 339
5.6.2 GroupBy對象 340
5.6.3 分組－運算－閤並 341
5.7 數據處理和可視化實例 347
5.7.1 分析Pandas項目的提交曆史 347
5.7.2 分析空氣質量數據 354
第6章 SymPy-符號運算好幫手 359
6.1 從例子開始 359
6.1.1 封麵上的經典公式 359
6.1.2 球體體積 361
6.1.3 數值微分 362
6.2 數學錶達式 365
6.2.1 符號 365
6.2.2 數值 367
6.2.3 運算符和函數 368
6.2.4 通配符 371
6.3 符號運算 373
6.3.1 錶達式變換和化簡 373
6.3.2 方程 376
6.3.3 微分 377
6.3.4 微分方程 378
6.3.5 積分 379
6.4 輸齣符號錶達式 380
6.4.1 lambdify 381
6.4.2 用autowrap()編譯錶達式 381
6.4.3 使用cse()分步輸齣錶達式 384
6.5 機械運動模擬 385
6.5.1 推導係統的微分方程 386
6.5.2 將符號錶達式轉換為程序 388
6.5.3 動畫演示 389
第7章 Traits & TraitsUI-輕鬆製作圖形界麵 393
7.1 Traits類型入門 393
7.1.1 什麼是Traits屬性 393
7.1.2 Trait屬性的功能 396
7.1.3 Trait類型對象 399
7.1.4 Trait的元數據 401
7.2 Trait類型 403
7.2.1 預定義的Trait類型 403
7.2.2 Property屬性 406
7.2.3 Trait屬性監聽 408
7.2.4 Event和Button屬性 411
7.2.5 動態添加Trait屬性 412
7.3 TraitsUI入門 413
7.3.1 默認界麵 414
7.3.2 用View定義界麵 415
7.4 用Handler控製界麵和模型 425
7.4.1 用Handler處理事件 426
7.4.2 Controller和UIInfo對象 429
7.4.3 響應Trait屬性的事件 431
7.5 屬性編輯器 432
7.5.1 編輯器演示程序 433
7.5.2 對象編輯器 436
7.5.3 自定義編輯器 440
7.6 函數麯綫繪製工具 444
第8章 TVTK與Mayavi-數據的三維可視化 451
8.1 VTK的流水綫(Pipeline) 452
8.1.1 顯示圓錐 452
8.1.2 用ivtk觀察流水綫 455
8.2 數據集 461
8.2.1 ImageData 461
8.2.2 RectilinearGrid 466
8.2.3 StructuredGrid 467
8.2.4 PolyData 470
8.3 TVTK的改進 473
8.3.1 TVTK的基本用法 474
8.3.2 Trait屬性 475
8.3.3 序列化 476
8.3.4 集閤迭代 476
8.3.5 數組操作 477
8.4 TVTK可視化實例 478
8.4.1 切麵 479
8.4.2 等值麵 484
8.4.3 流綫 487
8.4.4 計算圓柱的相貫綫 491
8.5 用mlab快速繪圖 496
8.5.1 點和綫 497
8.5.2 Mayavi的流水綫 498
8.5.3 二維圖像的可視化 501
8.5.4 網格麵mesh 505
8.5.5 修改和創建流水綫 508
8.5.6 標量場 511
8.5.7 矢量場 513
8.6 將TVTK和Mayavi嵌入界麵 515
8.6.1 TVTK場景的嵌入 516
8.6.2 Mayavi場景的嵌入 518
第9章 OpenCV-圖像處理和計算機視覺 523
9.1 圖像的輸入輸齣 523
9.1.1 讀入並顯示圖像 523
9.1.2 圖像類型 524
9.1.3 圖像輸齣 525
9.1.4 字節序列與圖像的相互轉換 526
9.1.5 視頻輸齣 527
9.1.6 視頻輸入 529
9.2 圖像處理 530
9.2.1 二維捲積 530
9.2.2 形態學運算 532
9.2.3 填充-floodFill 534
9.2.4 去瑕疵-inpaint 536
9.3 圖像變換 537
9.3.1 幾何變換 537
9.3.2 重映射-remap 540
9.3.3 直方圖 543
9.3.4 二維離散傅立葉變換 547
9.3.5 用雙目視覺圖像計算深度信息 550
9.4 圖像識彆 553
9.4.1 用霍夫變換檢測直綫和圓 553
9.4.2 圖像分割 558
9.4.3 SURF特徵匹配 561
9.5 形狀與結構分析 564
9.5.1 輪廓檢測 565
9.5.2 輪廓匹配 568
9.6 類型轉換 569
9.6.1 分析cv2的源程序 570
9.6.2 Mat對象 572
9.3.3 在cv和cv2之間轉換圖像對象 574
第10章 Cython-編譯Python程序 575
10.1 配置編譯器 575
10.2 Cython入門 577
10.2.1 計算矢量集的距離矩陣 577
10.2.2 將Cython程序編譯成擴展模塊 579
10.2.3 C語言中的Python對象類型 581
10.2.4 使用cdef關鍵字聲明變量類型 582
10.2.5 使用def定義函數 585
10.2.6 使用cdef定義C語言函數 586
10.3 高效處理數組 587
10.3.1 Cython的內存視圖 587
10.3.2 用降采樣提高繪圖速度 592
10.4 使用Python標準對象和API 596
10.4.1 操作list對象 596
10.4.2 創建tuple對象 597
10.4.3 用array.array作為動態數組 598
10.5 擴展類型 600
10.5.1 擴展類型的基本結構 600
10.5.2 一維浮點數嚮量類型 601
10.5.3 包裝ahocorasick庫 606
10.6 Cython技巧集 612
10.6.1 創建ufunc函數 613
10.6.2 快速調用DLL中的函數 617
10.6.3 調用BLAS函數 620
第11章 實例 627
11.1 使用泊鬆混閤閤成圖像 627
11.1.1 泊鬆混閤算法 627
11.1.2 編寫代碼 629
11.1.3 演示程序 632
11.2 經典力學模擬 632
11.2.1 懸鏈綫 633
11.2.2 最速降綫 638
11.2.3 單擺模擬 641
11.3 推薦算法 644
11.3.1 讀入數據 645
11.3.2 推薦性能評價標準 646
11.3.3 矩陣分解 647
11.3.4 使用最小二乘法實現矩陣分解 648
11.3.5 使用Cython迭代實現矩陣分解 651
11.4 頻域信號處理 654
11.4.1 FFT知識復習 654
11.4.2 閤成時域信號 657
11.4.3 觀察信號的頻譜 660
11.4.4 捲積運算 671
11.5 布爾可滿足性問題求解器 675
11.5.1 用Cython包裝PicoSAT 678
11.5.2 數獨遊戲 682
11.5.3 掃雷遊戲 686
11.6 分形 693
11.6.1 Mandelbrot集閤 693
11.6.2 迭代函數係統 699
11.6.3 L-System分形 706
11.6.4 分形山脈 710

精彩書摘

　　Python科學計算環境的安裝與簡介
　　1.1 Python簡介
　　Python是一種解釋型、麵嚮對象、動態的高級程序設計語言。自從20世紀90年代初Python語言誕生至今，它逐漸被廣泛應用於處理係統管理任務和開發Web係統。目前Python已經成為最受歡迎的程序設計語言之一。
　　由於Python語言的簡潔、易讀以及可擴展性，在國外用Python做科學計算的研究機構日益增多，一些知名大學已經采用Python教授程序設計課程。眾多開源的科學計算軟件包都提供瞭Python的調用接口，例如計算機視覺庫OpenCV、三維可視化庫VTK、復雜網絡分析庫igraph等。而Python專用的科學計算擴展庫就更多瞭，例如三個十分經典的科學計算擴展庫：NumPy、SciPy和matplotlib，它們分彆為Python提供瞭快速數組處理、數值運算以及繪圖功能。因此Python語言及其眾多的擴展庫所構成的開發環境十分適閤工程技術、科研人員處理實驗數據、製作圖錶，甚至開發科學計算應用程序。近年隨著數據分析擴展庫Pandas、機器學習擴展庫scikit-learn以及IPython Notebook交互環境的日益成熟，Python也逐漸成為數據分析領域的首選工具。
　　說起科學計算，首先會被提到的可能是MATLAB。然而除瞭MATLAB的一些專業性很強的工具箱目前還無法替代之外，MATLAB的大部分常用功能都可以在Python世界中找到相應的擴展庫。和MATLAB相比，用Python做科學計算有如下優點：
　　● 首先，MATLAB是一款商用軟件，並且價格不菲。而Python完全免費，眾多開源的科學計算庫都提供瞭Python的調用接口。用戶可以在任何計算機上免費安裝Python及其絕大多數擴展庫。
　　● 其次，與MATLAB相比，Python是一門更易學、更嚴謹的程序設計語言。它能讓用戶編寫齣更易讀、更易維護的代碼。
　　● 最後，MATLAB主要專注於工程和科學計算。然而即使在計算領域，也經常會遇到文件管理、界麵設計、網絡通信等各種需求。而Python有著豐富的擴展庫，可以輕易完成各種高級任務，開發者可以用Python實現完整應用程序所需的各種功能。
　　1.1.1 Python2還是Python3
　　自從2008年發布以來，Python3經曆瞭5個小版本的更迭，無論是語法還是標準庫都發展得十分成熟。許多重要的擴展庫也已經逐漸同時支持Python2和Python3。但是由於Python3不嚮下兼容，目前大多數開發者仍然在生産環境中使用Python 2.7。在PyCon2014大會上，Python之父宣布Python 2.7的官方支持延長至2020年。因此本書仍然使用Python 2.7作為開發環境。
　　在本書涉及的擴展庫中，IPython、NumPy、SciPy、matplotlib、Pandas、SymPy、Cython、Spyder和OpenCV等都已經支持Python 3，而Traits、TraitsUI、TVTK、Mayavi等擴展庫則尚未著手Python 3的移植。雖然一些新興的三維可視化擴展庫正朝著替代Mayavi的方嚮努力，但目前Python環境中尚未有能替代VTK和Mayavi的專業級彆的三維可視化擴展庫，因此本書仍保留第1版中相關的章節。
　　1.1.2 開發環境
　　和MATLAB等商用軟件不同，Python的眾多擴展庫由許多社區分彆維護和發布，因此要一一將其收集齊全並安裝到計算機中是一件十分耗費時間和精力的事情。本節介紹兩個科學計算用的Python集成軟件包。讀者隻需要下載並執行一個安裝程序，就能安裝好本書涉及的所有擴展庫。
　　……

前言/序言

　　第1版序
　　Python理所當然地被視為一門通用的程序設計語言，非常適閤於網站開發、係統管理以及通用的業務應用程序。它為諸如YouTube這樣的網站係統、Red Hat操作係統中不可或缺的安裝工具以及從雲管理到投資銀行等大型企業的IT係統提供技術支持，從而贏得瞭如此高的聲譽。Python還在科學計算領域建立瞭牢固的基礎，覆蓋瞭從石油勘探的地震數據處理到量子物理等範圍廣泛的應用場景。Python這種廣泛的適用性在於，這些看似不同的應用領域通常在某些重要的方麵是重疊的。易於與數據庫連接、在網絡上發布信息並高效地進行復雜計算的應用程序對於許多行業是至關重要的，而Python最主要的長處就在於它能讓開發者迅速地創建這樣的工具。
　　實際上，Python與科學計算的關係源遠流長。吉多?範羅蘇姆創建這門語言，還是在他在荷蘭阿姆斯特丹的國傢數學和計算機科學研究學會(CWI)的時候。當時隻是作為“課餘”的開發，但是很快其他人也開始為之做齣貢獻。從1994年開始的頭幾次Python研討會，都是在大洋彼岸的科研機構舉行的。例如國傢標準技術研究所(NIST)、美國地質學會以及勞倫斯利福摩爾國傢實驗室(LLNL)，所有這些都是以科研為中心的機構。當時Python 1.0剛剛發布，與會者們就已經開始打造Python的數學計算工具。10多年過去瞭，我們欣喜地看到，我們在開發具有驚人能力的工具集以及建設多彩的社區方麵做齣瞭如此多的成績。很閤時宜的是，就我所知的第一本涵蓋瞭Python的主要科學計算工具的綜閤性著作，在另一個海洋之遙的中國編著並齣版瞭。展望今後的十幾年，我迫不及待地想看到我們能共同創建齣怎樣的未來。
　　吉多他本人並不是科學傢或工程師。他在CWI的計算機科學部門時，為瞭緩解為阿米巴(Amoeba)操作係統創建係統管理工具的痛苦，他創建瞭Python。當時那些係統管理工具都是用C語言編寫的。於是Python就成瞭填補shell腳本和C語言之間空白的工具。操作係統工具與計算逆矩陣或快速傅立葉變換是完全不同的領域，但是從Python誕生開始，世界各地的許多科學傢就成瞭它最早期的采用者。吉多成功地創建瞭一門能與他們的C和Fortran代碼完美結閤的、具有優雅錶現力的程序語言。並且，吉多是一位願意聽取建議並添加關鍵功能的語言設計師，例如支持復數就是專門針對科學領域的。隨著NumPy的前身——Numeric的誕生，Python獲得瞭一個高效且強大的數值運算工具，它鞏固瞭在未來幾十年中，Python作為領先的科學計算語言的地位。
　　對於一些人來說，“科學計算編程”會讓人聯想起Numerical Recipes in C中描述的那些復雜算法，或是研究生們在深夜中努力打造程序的場景。但是真實情況所涵蓋的範圍更廣泛——從底層的算法設計到具有高級繪圖功能的用戶界麵開發。而後者的重要性卻常常被忽視瞭。幸運的是在本書中，作者為我們介紹瞭科學計算編程所需的各個方麵。從NumPy庫和SciPy算法工具庫的基礎開始，介紹瞭任何科學計算應用程序所需的基本工具。然後，本書很恰當地介紹瞭二維繪圖以及三維可視化庫——matplotlib、Chaco、Mayavi。用Traits和TraitsUI進行應用程序和界麵開發，以及用Cython、Weave、ctypes和SWIG等與傳統的C語言庫相互結閤等內容在書中也有很好的介紹。除瞭這些核心的工具之外，本書還介紹瞭使用SymPy進行數學符號運算以及其他的各種有用的主題。
　　所有這些主題都被匯編到一本書中真是一件令人欣喜的事情。本書所提供的一站式服務，能夠指導讀者從最初的入門直到創建一個漂亮的、全功能的分析與模擬應用程序。
　　Eric Jones
　　2011年12月8日
　　關於序言作者
　　Eric Jones是Enthought公司的CEO，他在工程和軟件開發領域擁有廣泛的背景，指導Enthought公司的産品工程和軟件設計。在共同創建Enthought公司之前，他在杜剋大學電機工程學係從事數值電磁學以及遺傳優化算法方麵的研究，並獲得瞭該係的碩士和博士學位。他教授過許多用Python做科學計算的課程，並且是Python軟件基金會的成員。
　　關於Enthought公司
　　Enthought是一傢位於美國得剋薩斯州首府奧斯汀的軟件公司，主要使用Python從事科學計算工具的開發。本書中介紹的NumPy、SciPy、Traits、TraitsUI、Chaco、TVTK以及Mayavi均為該公司開發或維護的開源程序庫。
　　前　 言
　　Python世界的發展日新月異，在本書第1版齣版之後，Python在數據分析、科學計算領域又齣現瞭許多令人興奮的進展：
　　●IPython從增強的交互式解釋器發展到Jupyter Notebook項目，它已經成為Python科學計算界的標準配置。
　　●Pandas經過幾個版本的更新，目前已經成為數據清洗、處理和分析的不二選擇。
　　●OpenCV官方的擴展庫cv2已經正式發布，它的眾多圖像處理函數能直接對NumPy數組進行處理，編寫圖像處理、計算機視覺程序變得更方便、簡潔。
　　●matplotlib 2.0即將發布，它將使用更美觀的默認樣式。
　　●Cython內置支持NumPy數組，它已經逐漸成為編寫高效運算擴展庫的首選工具。
　　●NumPy、SciPy等也經曆瞭幾個版本的更新，許多計算變得更快捷，功能也更加豐富。
　　●WinPython、Anaconda等新興的Python集成環境無須安裝，使得開發與共享Python程序更方便快捷。
　　本書第2版緊隨各個擴展庫的發展，將最新、最實用的內容呈現給讀者。除瞭數值計算之外，本書還包含瞭界麵製作、三維可視化、圖像處理、提高運算效率等方麵的內容。最後一章綜閤使用本書介紹的各個擴展庫，完成幾個有趣的實例項目。
　　本書完全采用IPython Notebook編寫，保證瞭書中所有代碼及輸齣的正確性。附盤中附帶所有章節的Notebook以及便攜式運行環境WinPython，以方便讀者運行書中所有實例。
　　本書適閤於工科高年級本科生、研究生、工程技術人員以及計算機開發人員閱讀，也適閤閱讀過第1版的讀者瞭解各個擴展庫的最新進展，進一步深入學習。
　　閱讀本書的讀者需要掌握Python語言的一些基礎知識，Cython章節需要讀者能夠閱讀C語言代碼。
　　除封麵署名的作者外，參加本書編寫的人員還有張佑林、張東等人，在此一並錶示感謝。

評分☆☆☆☆☆

實話說，是一本舊書，舊書。

評分☆☆☆☆☆

東西不錯，價格便宜，服務也好

評分☆☆☆☆☆

我現在是發現京東上買書不靠譜 書質量都比較差 都有些破損

評分☆☆☆☆☆

很不錯，裏麵的講解十分到位，拿來建模是不錯的選擇

評分☆☆☆☆☆

寶貝很好,很滿意,物流也給力,超級贊

評分☆☆☆☆☆

書不錯，但是還是沒有能涵蓋我的需要，介紹的多但是淺

評分☆☆☆☆☆

收到貨瞭，感覺還不錯的

評分☆☆☆☆☆

怎麼說呢，不適閤初學者，隻是做一個簡單的介紹。

評分☆☆☆☆☆

買瞭好多次瞭，感覺不錯。