作者: [澳] Juan Nunez-Iglesias/[美] Stéfan van der Walt/[澳] Harriet Dashnow 出版社: 人民邮电出版社 副标题: SciPy指南 原作名: Elegant SciPy: The Art of Scientific Python 译者: 陈光欣 出版年: 2019-1 页数: 228 定价: 69.00元 装帧: 平装 ISBN: 9787115499127

内容简介

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。

作者简介

Juan Nunez-Iglesias，澳大利亚莫纳什大学研究员，咨询顾问。 Stéfan van der Walt，scikit-image的创建者，加州大学伯克利分校数据科学研究所助理研究员，南非斯泰伦博斯大学应用数学高级讲师。 Harriet Dashnow，生物信息学家，曾在默多克儿童研究所、墨尔本大学生物化学系和维多利亚州生命科学计划项目中工作过。

网友热评

A: 参考傅里叶变换，稀疏矩阵，线性代数以及函数优化 Cryophyte: 代码是挺优雅的，就是目标读者应该有的水平比想象中高不少? 于是副标题SciPy指南还是不可信 catteforry: 微博抽奖的奖品，内容很详细，可惜我自己水平还不行…

图书目录

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 1.2NumPy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 5.2scipy.sparse数据格式　　104 5.2.1COO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 6.4PageRank：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 7.1SciPy优化模块：sicpy.optimize　　146 7.2用optimize进行图像配准　　152 7.3用basinhopping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 8.3k-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