Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib
- Autor:
- Robert Johansson
- Wydawnictwo:
- Helion
- Ocena:
- 5.3/6 Opinie: 4
- Stron:
- 544
- Druk:
- oprawa miękka
- Dostępne formaty:
-
PDFePubMobi
Opis ebooka: Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib
Nie tylko programiści lubią Pythona. Również naukowcy i analitycy danych coraz częściej korzystają z tego języka, zwłaszcza że przed praktykami obliczeniowymi otwierają się niespotykane możliwości. Rozwój sprzętu, oprogramowania i algorytmów pozwala śmiało wkraczać w nowe obszary zastosowania i tworzyć nowe branże. W dalszym ciągu jednak prowadzenie obliczeń pozostaje dziedziną interdyscyplinarną, wymagającą wiedzy matematycznej i myślenia naukowego. Jeśli chce się wykorzystać do obliczeń nowoczesne technologie, takie jak Python wraz z szerokim ekosystemem bibliotek i rozszerzeń, trzeba też posiadać praktyczne umiejętności programowania.
W tej książce wyczerpująco przedstawiono nowoczesne metody rozwiązywania problemów obliczeniowych z tak różnych dziedzin, jak badania naukowe, inżynieria, finanse czy analiza danych za pomocą Pythona i jego bibliotek. Omówiono również wiele technik, w tym obliczenia oparte na tablicach, obliczenia symboliczne, metody wizualizacji danych, numeryczne operacje wejścia-wyjścia, rozwiązywanie równań, optymalizacja, interpolacja czy całkowanie. Pokazano także, jak rozwiązywać problemy obliczeniowe charakterystyczne dla takich dziedzin jak rozwiązywanie równań różniczkowych, analiza danych, modelowanie statystyczne i uczenie maszynowe. Znalazło się tu też wiele studiów przypadków, ukazujących zastosowanie Pythona w analizie danych i statystyce.
W książce między innymi:
- wektory i macierze w NumPy
- wykresy i wizualizacje danych w Matplotlib
- analiza danych z pandas i SciPy
- modelowanie statystyczne i uczenie maszynowe z statsmodels i scikit-learn
- optymalizacja kodu za pomocą Numba i Cython
Python: język, który naukowcy lubią najbardziej!
Poznaj moduły matematyczne i numeryczne Pythona i jego standardowej biblioteki, a także popularne pakiety open source, takie jak NumPy, SciPy, SymPy, FEniCS czy Matplotlib. To w pełni poprawione wydanie, które zaktualizowano o najnowsze szczegóły dotyczące wszystkich pakietów i zmiany wprowadzone w projekcie Jupyter, prezentuje metody rozwiązywania problemów obliczeniowych, mające zastosowanie w tak różnych dziedzinach, jak badania naukowe, inżynieria, finanse i analiza danych.
Książka Python. Obliczenia i analiza danych z wykorzystaniem NumPy, SciPy i Matplotlib zawiera wiele studiów przypadków, które prezentują przykładowe zastosowania języka Python w analizie danych i statystyce. W wydaniu tym zamieszczono również wielu rozszerzonych przykładów z poprzedniego wydania. Każdy z nich demonstruje moc Pythona, który dzięki prostej i wysokopoziomowej składni oraz wielu funkcjom do analizy danych pozwala na szybkie programowanie i prowadzenie obliczeń eksploracyjnych.
Lektura tej książki pozwoli Ci zapoznać się z wieloma technikami obliczeniowymi, w tym z obliczeniami opartymi na tablicach, obliczeniami symbolicznymi, metodami wizualizacji danych, numerycznymi operacjami wejścia/wyjścia, rozwiązywaniem równań, optymalizacją, interpolacją, całkowaniem oraz z problemami obliczeniowymi charakterystycznymi dla dziedzin takich jak rozwiązywanie równań różniczkowych, analiza danych, modelowanie statystyczne i uczenie maszynowe.
Książka ta pokaże Ci, jak:
- pracować z wektorami i macierzami w NumPy,
- tworzyć wykresy i wizualizacje danych za pomocą Matplotlib,
- przeprowadzać analizę danych z użyciem Pandas i SciPy,
- wykorzystać biblioteki statsmodels i scikit-learn do modelowania statystycznego i uczenia maszynowego,
- optymalizować kod Pythona za pomocą Numba i Cython.
Wybrane bestsellery
-
Czy chcesz odkryć świat kodowania i stać się młodym programistą w zaledwie jeden dzień? Czy chcesz nauczyć się języka, który otworzy przed tobą drzwi do fascynującego świata technologii? Czy chcesz tworzyć własne gry, aplikacje i nie tylko, korzystając z Pythona, jednego z najbardziej przyjaz...
Python w 1 dzień dla najmłodszych. Naucz się kodowania w Pythonie w 12 godzin Python w 1 dzień dla najmłodszych. Naucz się kodowania w Pythonie w 12 godzin
-
Oto uzupełnione i zaktualizowane wydanie bestsellerowego przewodnika dla inżynierów sieci. Dzięki niemu przejdziesz trudną (ale ekscytującą!) drogę od tradycyjnej platformy do platformy sieciowej opartej na najlepszych praktykach programistycznych. Zaczniesz od zagadnień podstawowych, aby następn...
Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV Zaawansowana inżynieria sieci w Pythonie. Automatyzacja, monitorowanie i zarządzanie chmurą. Wydanie IV
(77.40 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Oto drugie, zaktualizowane i uzupełnione wydanie przewodnika po bibliotece Pandas. Dzięki tej przystępnej książce nauczysz się w pełni korzystać z możliwości oferowanych przez bibliotekę, nawet jeśli dopiero zaczynasz przygodę z analizą danych w Pythonie. Naukę rozpoczniesz z użyciem rzeczywisteg...
Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II Jak analizować dane z biblioteką Pandas. Praktyczne wprowadzenie. Wydanie II
(65.40 zł najniższa cena z 30 dni)70.85 zł
109.00 zł(-35%) -
Zanurz się w fascynujący świat programowania w języku Python i osiągnij imponujący poziom umiejętności w zaledwie 24 godziny! Oto kilka zalet, które sprawiają, że ta książka jest niezbędna dla każdego aspirującego programisty: Szybki start: podstawy Pythona już w pierwszych godzinach nauki ...
Python w 1 dzień. Nauka programowania w Pythonie w 24 godziny od A do Z Python w 1 dzień. Nauka programowania w Pythonie w 24 godziny od A do Z
-
To książka przeznaczona dla osób, które pracują ze zbiorami danych. Jest praktycznym przewodnikiem po koncepcjach algebry liniowej, pomyślanym tak, by ułatwić ich zrozumienie i zastosowanie w użytecznych obliczeniach. Poszczególne zagadnienia przedstawiono za pomocą kodu Pythona, wraz z przykłada...
Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie Praktyczna algebra liniowa dla analityków danych. Od podstawowych koncepcji do użytecznych aplikacji w Pythonie
(46.20 zł najniższa cena z 30 dni)50.05 zł
77.00 zł(-35%) -
Ta książka stanowi wszechstronne omówienie wszystkich bibliotek Pythona, potrzebnych naukowcom i specjalistom pracującym z danymi. Znalazł się tu dokładny opis IPythona, NumPy, Pandas, Matplotlib, Scikit-Learn i innych narzędzi. Podręcznik uwzględnia przede wszystkim ich aspekty praktyczne, dzięk...
Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II Python Data Science. Niezbędne narzędzia do pracy z danymi. Wydanie II
(77.40 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
To trzecie, zaktualizowane i uzupełnione wydanie bestsellerowego podręcznika programowania w Pythonie. Naukę rozpoczniesz od podstawowych koncepcji programowania. Poznasz takie pojęcia jak zmienne, listy, klasy i pętle, a następnie utrwalisz je dzięki praktycznym ćwiczeniom. Dowiesz się, jak zape...(71.40 zł najniższa cena z 30 dni)
77.35 zł
119.00 zł(-35%) -
Django służy do tworzenia aplikacji internetowych w Pythonie. Pozwala w pełni skorzystać z zalet tego języka, a przy tym jest łatwy do nauki. Praca z Django jest atrakcyjna dla programistów o różnym stopniu zaawansowania, co potwierdzają badania ankietowe serwisu Stack Overflow. Aby...
Django 4. Praktyczne tworzenie aplikacji sieciowych. Wydanie IV Django 4. Praktyczne tworzenie aplikacji sieciowych. Wydanie IV
(77.40 zł najniższa cena z 30 dni)83.85 zł
129.00 zł(-35%) -
Dzięki tej książce zrozumiesz, że w rekurencji nie kryje się żadna magia. Dowiesz się, na czym polega jej działanie i kiedy warto zastosować algorytm rekursywny, a kiedy lepiej tego nie robić. Poznasz szereg klasycznych i mniej znanych algorytmów rekurencyjnych. Pracę z zawartym tu materiałem uła...
Rekurencyjna książka o rekurencji. Zostań mistrzem rozmów kwalifikacyjnych poświęconych językom Python i JavaScript Rekurencyjna książka o rekurencji. Zostań mistrzem rozmów kwalifikacyjnych poświęconych językom Python i JavaScript
(47.40 zł najniższa cena z 30 dni)51.35 zł
79.00 zł(-35%) -
Ta książka jest trzecim, starannie zaktualizowanym wydaniem wyczerpującego przewodnika po narzędziach analitycznych Pythona. Uwzględnia Pythona 3.0 i bibliotekę pandas 1.4. Została napisana w przystępny sposób, a poszczególne zagadnienia bogato zilustrowano przykładami, studiami rzeczywistych prz...
Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III Python w analizie danych. Przetwarzanie danych za pomocą pakietów pandas i NumPy oraz środowiska Jupyter. Wydanie III
(71.40 zł najniższa cena z 30 dni)77.35 zł
119.00 zł(-35%)
O autorze ebooka
Dr Robert Johansson jest doświadczonym programistą Pythona. Od ponad dziesięciu lat zajmuje się obliczeniami naukowymi. Współtworzył popularny framework QuTiP do symulacji dynamiki układów kwantowych oraz wiele bibliotek w Pythonie. Jest pasjonatem obliczeń, programowania, a także nauczania i popularyzowania nowatorskich, powtarzalnych i rozszerzalnych metod obliczeniowych.
Ebooka "Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- Tytuł oryginału:
- Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib
- Tłumaczenie:
- Filip Kamiński
- ISBN Książki drukowanej:
- 978-83-283-7150-7, 9788328371507
- Data wydania książki drukowanej:
- 2021-02-16
- ISBN Ebooka:
- 978-83-283-7151-4, 9788328371514
- Data wydania ebooka:
- 2021-02-16 Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Format:
- 168x237
- Numer z katalogu:
- 127364
- Rozmiar pliku Pdf:
- 13.0MB
- Rozmiar pliku ePub:
- 25.7MB
- Rozmiar pliku Mobi:
- 58.0MB
- Pobierz przykładowy rozdział PDF
- Przykłady na ftp
Ebook zawiera materiały dodatkowe, które możesz pobrać z serwera FTP - link znajdziesz na stronie redakcyjnej.
Spis treści ebooka
- Środowiska obliczeniowe w Pythonie 26
- Python 27
- Interpreter 27
- Konsola IPython 28
- Buforowanie wejścia i wyjścia 29
- Autouzupełnianie i introspekcja obiektów 30
- Dokumentacja 30
- Interakcja z powłoką systemową 31
- Rozszerzenia IPythona 31
- Jupyter 36
- Jupyter QtConsole 37
- Jupyter Notebook 37
- Jupyter Lab 39
- Rodzaje komórek 40
- Edycja komórek 41
- Komórki typu Markdown 42
- Możliwości prezentacji danych 42
- nbconvert 46
- Zintegrowane środowisko programistyczne Spyder 48
- Edytor kodu źródłowego 50
- Konsola w Spyderze 50
- Inspektor obiektów 51
- Podsumowanie 51
- Materiały dodatkowe 52
- Bibliografia 52
- Importowanie modułów 54
- Typ tablicowy NumPy 54
- Typy danych 55
- Reprezentacja danych tablicowych w pamięci 57
- Tworzenie tablic 58
- Tablice utworzone na podstawie list i innych obiektów tablicopodobnych 60
- Tablice wypełnione stałymi wartościami 60
- Tablice wypełnione rosnącymi wartościami 61
- Tablice z wartościami rozmieszczonymi logarytmicznie 62
- Tablice z siatkami współrzędnych 62
- Tworzenie niezainicjalizowanych tablic 63
- Tworzenie tablic o cechach innych tablic 63
- Tworzenie macierzy 63
- Indeksowanie i zakresy 64
- Tablice jednowymiarowe 64
- Tablice wielowymiarowe 66
- Widoki 67
- Indeksowanie logiczne i fancy indexing 68
- Zmiany kształtu i rozmiaru 69
- Wyrażenia zwektoryzowane 74
- Operacje arytmetyczne 74
- Funkcje działające na elementach 77
- Funkcje agregujące 79
- Wyrażenia warunkowe i tablice wartości logicznych 81
- Operacje na zbiorach 84
- Operacje na tablicach 85
- Operacje macierzowe i wektorowe 86
- Podsumowanie 91
- Materiały dodatkowe 92
- Bibliografia 92
- Importowanie modułów 94
- Symbole 95
- Liczby 97
- Wyrażenia 102
- Manipulowanie wyrażeniami 103
- Upraszczanie wyrażeń 103
- Rozwijanie wyrażeń 105
- Funkcje factor, collect i combine 105
- Funkcje Apart, Together i Cancel 106
- Podstawienia 107
- Ewaluacja wyrażeń 108
- Rachunek różniczkowy 109
- Pochodne 109
- Całki 111
- Szeregi 112
- Granice 114
- Sumy i iloczyny uogólnione 115
- Równania 115
- Algebra liniowa 117
- Podsumowanie 120
- Materiały dodatkowe 121
- Bibliografia 121
- Importowanie modułów 124
- Pierwsze kroki 125
- Tryb interaktywny i nieinteraktywny 128
- Klasa Figure 130
- Klasa Axes 131
- Typy wykresów 132
- Parametry linii 133
- Legendy 136
- Formatowanie tekstu i adnotacje 138
- Właściwości osi 140
- Złożone układy obiektów Axes 149
- Wstawki 149
- plt.subplots 150
- subplot2grid 152
- GridSpec 152
- Wykresy typu colormap 153
- Wykresy 3D 156
- Podsumowanie 158
- Materiały dodatkowe 158
- Bibliografia 158
- Importowanie modułów 160
- Układy równań liniowych 160
- Układy z macierzą kwadratową 161
- Układy równań z macierzą prostokątną 166
- Problem wartości własnych 169
- Równania nieliniowe 171
- Równania jednowymiarowe 171
- Układy równań nieliniowych 177
- Podsumowanie 181
- Materiały dodatkowe 181
- Bibliografia 181
- Importowanie modułów 184
- Klasyfikacja problemów optymalizacyjnych 184
- Optymalizacja jednowymiarowa 187
- Optymalizacja wielowymiarowa bez ograniczeń 190
- Nieliniowy problem najmniejszych kwadratów 196
- Optymalizacja z ograniczeniami 198
- Programowanie liniowe 202
- Podsumowanie 204
- Materiały dodatkowe 205
- Bibliografia 205
- Importowanie modułów 208
- Interpolacja 208
- Wielomiany 209
- Interpolacja wielomianowa 212
- Interpolacja funkcjami sklejanymi 216
- Interpolacja funkcji wielu zmiennych 218
- Podsumowanie 224
- Materiały dodatkowe 224
- Bibliografia 224
- Importowanie modułów 226
- Metody całkowania numerycznego 226
- Całkowanie numeryczne z użyciem SciPy 230
- Całki z funkcji w postaci tablicowej 233
- Całki wielokrotne 235
- Całkowanie symboliczne i całkowanie z dowolną precyzją 239
- Całki krzywoliniowe 241
- Transformaty całkowe 241
- Podsumowanie 244
- Materiały dodatkowe 245
- Bibliografia 245
- Importowanie modułów 248
- Równania różniczkowe zwyczajne 248
- Rozwiązania symboliczne 250
- Pola kierunków 255
- Rozwiązywanie równań z użyciem transformaty Laplace'a 258
- Numeryczne metody rozwiązywania równań różniczkowych 261
- Numeryczne rozwiązywanie równań różniczkowych z użyciem SymPy 264
- Podsumowanie 275
- Materiały dodatkowe 276
- Bibliografia 276
- Importowanie modułów 278
- Macierze rzadkie w SciPy 278
- Funkcje do tworzenia macierzy rzadkich 283
- Algebra liniowa macierzy rzadkich 285
- Układy równań liniowych 285
- Grafy i sieci 291
- Podsumowanie 297
- Materiały dodatkowe 297
- Bibliografia 297
- Importowanie modułów 300
- Równania różniczkowe cząstkowe 301
- Metoda różnic skończonych 302
- Metoda elementów skończonych 307
- Przegląd frameworków MES 310
- Rozwiązywanie równań różniczkowych cząstkowych z użyciem FEniCS-a 311
- Podsumowanie 330
- Materiały dodatkowe 330
- Bibliografia 331
- Importowanie modułów 334
- Wprowadzenie do Pandas 334
- Typ Series 335
- Typ DataFrame 337
- Szeregi czasowe 344
- Biblioteka Seaborn 353
- Podsumowanie 358
- Materiały dodatkowe 358
- Bibliografia 359
- Importowanie modułów 362
- Statystyka i prawdopodobieństwo 362
- Liczby losowe 364
- Zmienne losowe i rozkłady 367
- Testowanie hipotez 374
- Metody nieparametryczne 378
- Podsumowanie 381
- Materiały dodatkowe 381
- Bibliografia 381
- Importowanie modułów 384
- Wprowadzenie do modelowania statystycznego 385
- Definiowanie modeli statystycznych w Patsy 386
- Regresja liniowa 393
- Przykładowe zbiory danych 400
- Regresja dyskretna 401
- Regresja logistyczna 402
- Model Poissona 406
- Szeregi czasowe 409
- Podsumowanie 413
- Materiały dodatkowe 413
- Bibliografia 413
- Importowanie modułów 416
- Krótki przegląd uczenia maszynowego 417
- Regresja 419
- Klasyfikacja 428
- Klasteryzacja 431
- Podsumowanie 436
- Materiały dodatkowe 436
- Bibliografia 436
- Importowanie modułów 438
- Wprowadzenie do statystyki bayesowskiej 439
- Definiowanie modelu 441
- Próbkowanie rozkładów a posteriori 445
- Regresja liniowa 448
- Podsumowanie 458
- Materiały dodatkowe 459
- Bibliografia 459
- Importowanie modułów 462
- Analiza spektralna 462
- Transformata Fouriera 462
- Okna czasowe 467
- Spektrogramy 471
- Filtrowanie sygnałów 474
- Filtry konwolucyjne 474
- Filtry o skończonej i nieskończonej odpowiedzi impulsowej 476
- Podsumowanie 481
- Materiały dodatkowe 481
- Bibliografia 481
- Importowanie modułów 484
- Format CSV 485
- HDF5 489
- h5py 490
- PyTables 500
- HDFStore z Pandas 503
- JSON 505
- Serializacja 509
- Podsumowanie 511
- Materiały dodatkowe 511
- Bibliografia 512
- Importowanie modułów 515
- Numba 516
- Cython 522
- Podsumowanie 531
- Materiały dodatkowe 532
- Bibliografia 532
- Miniconda i conda 534
- Pełne środowisko 540
- Podsumowanie 543
- Materiały dodatkowe 543
O autorze 13
O korektorach merytorycznych 15
Wprowadzenie 19
Rozdział 1. Wprowadzenie do obliczeń w Pythonie 23
Rozdział 2. Wektory, macierze i tablice wielowymiarowe 53
Rozdział 3. Obliczenia symboliczne 93
Rozdział 4. Wykresy i wizualizacje 123
Rozdział 5. Rozwiązywanie równań 159
Rozdział 6. Optymalizacja 183
Rozdział 7. Interpolacja 207
Rozdział 8. Całkowanie 225
Rozdział 9. Równanie różniczkowe zwyczajne 247
Rozdział 10. Macierze rzadkie i grafy 277
Rozdział 11. Równania różniczkowe cząstkowe 299
Rozdział 12. Przetwarzanie i analiza danych 333
Rozdział 13. Statystyka 361
Rozdział 14. Modelowanie statystyczne 383
Rozdział 15. Uczenie maszynowe 415
Rozdział 16. Statystyka bayesowska 437
Rozdział 17. Przetwarzanie sygnałów 461
Rozdział 18. Wprowadzanie i wyprowadzanie danych 483
Rozdział 19. Optymalizacja kodu 513
Dodatek. Instalacja i konfiguracja środowiska 533
Oceny i opinie klientów: Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib Robert Johansson (4) Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.
(3)
(0)
(0)
(1)
(0)
(0)
więcej opinii