NumPy 攻略：Python 科学计算与数据分析 PDF 文档

Question

本书介绍了 70 多种学习 Python 开源教学库 NumPy 的有趣方法，教会读者如何安装和使用 NumPy，并了解其他一些相关概念，进而掌握 NumPy arrays 及其通用功能，书中的例子还涉及 Matplotlib、SciPy 等Python 科学计算生态系统中的其他重要软件。此外，还介绍了 NumPy 和其他软件的交互、性能分析和调试、软件测试和 Cython 等比较高阶的话题。

本书的目标读者是对 Python 和 NumPy 有基本了解，并且希望自己的水平能更上一层楼的科技工作者、工程师、程序员和分析师。

这是我的第一本译著。本着先易后难的原则，我从图灵社区开放出版的书目中，选择了 NumPy Cookbook 这本书来翻译。虽然我对 NumPy 不太熟悉，但想来这样一本 200 多页、介绍单一小众软件的书，翻译起来应该没多大难度。很遗憾，随着翻译工作的进行，我发现自己最初的想法完全不对。

首先，用小众软件形容 NumPy 并不妥当。作为 Python 科学计算生态系统的重要组成部分，NumPy 具备强大的多维数组功能，提供了十分丰富的对数组进行处理和操作的函数集。可以说，用 Python 做科学计算时，到处可以看到 NumPy 的身影（看过图灵出版的《机器学习实战》一书的读者应该会同意这个说法）。因此，如果你想使用 Python 做科学计算相关的工作，NumPy 是必须要掌握的。

其次，本书并不只介绍 NumPy 这一个软件。Python 科学计算生态系统中的其他重要软件，如数值计算库 SciPy、符号计算库 SymPy、绘图库 Matplotlib 和各种 scikit 项目（机器学习、统计建模、图像处理、数据分析）等，也都有不同程度的介绍。此外，还介绍了 NumPy 和其他软件的交互、性能分析和调试、软件测试和 Cython 等比较高阶的话题。总之，本书涉及的话题相当广泛，这给翻译工作带来了很大的麻烦。我除了要翻看 1400 多页的 NumPy 官方参考文档之外，还要浏览书中介绍的各种软件的参考文档和源代码。希望这对读者是好事，一下可以了解 Python 科学计算生态系统中这么多内容。

目录
第 1 章 使用 IPython
1.1 引言
1.2 安装 IPython
1.2.1 具体步骤
1.2.2 攻略小结
1.3 使用 IPython 的 shell
1.3.1 具体步骤
1.3.2 攻略小结
1.4 阅读手册页
1.4.1 具体步骤
1.4.2 攻略小结
1.5 安装 Matplotlib
1.6 运行基于 Web 的 notebook
1.6.1 准备工作
1.6.2 具体步骤
1.6.3 攻略小结
1.6.4 参考阅读
1.7 导出基于 Web 的 notebook
1.8 导入基于 Web 的 notebook
1.9 配置 notebook 服务器
1.9.1 具体步骤
1.9.2 攻略小结
1.10 初探 SymPy 配置
1.10.1 准备工作
1.10.2 具体步骤
第 2 章 高级索引和数组概念
2.1 引言
2.2 安装 SciPy
2.2.1 准备工作
2.2.2 具体步骤
2.2.3 攻略小结
2.3 安装 PIL
2.4 调整图像大小
2.4.1 准备工作
2.4.2 具体步骤
2.4.3 攻略小结
2.4.4 参考阅读
2.5 创建视图和副本
2.5.1 准备工作
2.5.2 具体步骤
2.5.3 攻略小结
2.6 翻转图像
2.6.1 具体步骤
2.6.2 参考阅读
2.7 高级索引
2.7.1 具体步骤
2.7.2 攻略小结
2.8 位置列表型索引
2.9 布尔型索引
2.9.1 具体步骤
2.9.2 攻略小结
2.9.3 参考阅读
2.10 数独游戏中的跨度技巧
2.10.1 具体步骤
2.10.2 攻略小结
2.11 用广播机制扩展数组
第 3 章 常用函数
3.1 引言
3.2 斐波那契数列求和
3.2.1 具体步骤
3.2.2 攻略小结
3.2.3 参考阅读
3.3 寻找质因数
3.3.1 具体步骤
3.3.2 攻略小结
3.4 寻找回文数
3.4.1 具体步骤
3.4.2 攻略小结
3.4.3 更多工作
3.5 确定稳态向量
3.5.1 具体步骤
3.5.2 攻略小结
3.5.3 参考阅读
3.6 发现幂律分布
3.6.1 具体步骤
3.7 定期在低点做交易
3.7.1 准备工作
3.7.2 具体步骤
3.7.3 攻略小结
3.7.4 参考阅读
3.8 模拟在随机时间点做交易
3.8.1 准备工作
3.8.2 具体步骤
3.8.3 攻略小结
3.8.4 参考阅读
3.9 用埃氏筛筛选整数
第 4 章 NumPy 与其他软件的交互
4.1 引言
4.2 使用缓冲区协议
4.2.1 准备工作
4.2.2 具体步骤
4.2.3 攻略小结
4.2.4 参考阅读
4.3 使用数组接口
4.3.1 准备工作
4.3.2 具体步骤
4.3.3 攻略小结
4.3.4 参考阅读
4.4 与 MATLAB 和 Octave 交换数据
4.4.1 准备工作
4.4.2 具体步骤
4.4.3 参考阅读
4.5 安装 RPy2
4.6 连接到 R
4.6.1 准备工作
4.6.2 具体步骤
4.6.3 参考阅读
4.7 安装 JPype
4.8 传递 NumPy 数组到 JPype
4.8.1 具体步骤
4.8.2 攻略小结
4.8.3 参考阅读
4.9 安装谷歌应用程序引擎
4.10 在谷歌云中部署 NumPy 代码
4.10.1 具体步骤
4.10.2 攻略小结
4.11 在 Python Anywhere 的 Web 控制台中运行 NumPy 代码
4.11.1 具体步骤
4.11.2 攻略小结
4.12 设置 PiCloud
4.12.1 具体步骤
4.12.2 攻略小结
第 5 章 声音和图像处理
5.1 引言
5.2 加载图像到内存映射区
5.2.1 准备工作
5.2.2 具体步骤
5.2.3 攻略小结
5.2.4 参考阅读
5.3 合并图像
5.3.1 准备工作
5.3.2 具体步骤
5.3.3 攻略小结
5.3.4 参考阅读
5.4 图像的模糊化处理
5.4.1 具体步骤
5.4.2 攻略小结
5.5 复制声音片段
5.5.1 具体步骤
5.5.2 攻略小结
5.6 合成声音
5.6.1 具体步骤
5.6.2 攻略小结
5.7 设计音频滤波器
5.7.1 具体步骤
5.7.2 攻略小结
5.8 用索贝尔滤波器进行边缘检测
5.8.1 具体步骤
5.8.2 攻略小结
第 6 章 特殊类型数组与通用函数
6.1 引言
6.2 创建一个通用函数
6.2.1 具体步骤
6.2.2 攻略小结
6.3 寻找勾股数
6.3.1 具体步骤
6.3.2 攻略小结
6.4 用 chararray 做字符串操作
6.4.1 具体步骤
6.4.2 攻略小结
6.5 创建一个 masked 类型的数组
6.5.1 具体步骤
6.5.2 攻略小结
6.6 忽略负值和极值
6.6.1 具体步骤
6.6.2 攻略小结
6.7 用 recarray 创建评分表
6.7.1 具体步骤
6.7.2 攻略小结
第 7 章 性能分析与调试
7.1 引言
7.2 用 timeit 进行性能分析
7.2.1 具体步骤
7.2.2 攻略小结
7.3 用 IPython 进行性能分析
7.3.1 具体步骤
7.3.2 攻略小结
7.4 安装 line_profiler
7.4.1 准备工作
7.4.2 具体步骤
7.4.3 参考阅读
7.5 用 line_profiler 分析代码
7.5.1 具体步骤
7.5.2 攻略小结
7.6 用 cProfile 扩展模块分析代码
7.7 用 IPython 进行调试
7.7.1 具体步骤
7.7.2 攻略小结
7.8 用 pudb 进行调试
第 8 章 质量保证
8.1 引言
8.2 安装 Pyflakes
8.2.1 准备工作
8.2.2 具体步骤
8.3 用 Pyflakes 进行静态分析
8.3.1 具体步骤
8.3.2 攻略小结
8.4 用 Pylint 分析代码
8.4.1 准备工作
8.4.2 具体步骤
8.4.3 攻略小结
8.4.4 参考阅读
8.5 用 Pychecker 进行静态分析
8.6 用 docstrings 测试代码
8.6.1 具体步骤
8.6.2 攻略小结
8.7 编写单元测试
8.7.1 具体步骤
8.7.2 攻略小结
8.8 用模拟对象测试代码
8.8.1 具体步骤
8.8.2 攻略小结
8.9 基于 BDD 方式的测试
8.9.1 具体步骤
8.9.2 攻略小结
第 9 章 用 Cython 为代码提速
9.1 引言
9.2 安装 Cython
9.3 构建 Hello World 程序
9.3.1 具体步骤
9.3.2 攻略小结
9.4 在 Cython 中使用 NumPy
9.4.1 具体步骤
9.4.2 攻略小结
9.5 调用 C 语言函数
9.5.1 具体步骤
9.5.2 攻略小结
9.6 分析 Cython 代码
9.6.1 具体步骤
9.6.2 攻略小结
9.7 用 Cython 求阶乘的近似值
9.7.1 具体步骤
9.7.2 攻略小结
第 10 章 有趣的 Scikits
10.1 引言
10.2 安装 scikits-learn
10.2.1 准备工作
10.2.2 具体步骤
10.3 加载范例数据集
10.4 用 scikits-learn 对道琼斯成分股做聚类分析
10.4.1 具体步骤
10.4.2 攻略小结
10.5 安装 scikits-statsmodels
10.6 用 scikits-statsmodels 做正态性检验
10.6.1 具体步骤
10.6.2 攻略小结
10.7 安装 scikits-image
10.8 检测角点
10.8.1 准备工作
10.8.2 具体步骤
10.8.3 攻略小结
10.9 检测边缘
10.10 安装 Pandas
10.11 用 Pandas 估计股票收益的相关性
10.11.1 具体步骤
10.11.2 攻略小结
10.12 从 statsmodels 加载数据到 pandas 对象
10.12.1 准备工作
10.12.2 具体步骤
10.12.3 攻略小结
10.13 重采样时间序列数据
10.13.1 具体步骤
10.13.2 攻略小结

下载地址：https://www.wenjiangs.com/wp-content/uploads/2024/01/iM7qmvmytSd1mdSi.zip