![]()
内容推荐 胡安·努内兹-伊格莱、西亚斯、斯特凡·范德瓦尔特//哈丽雅特·达士诺著的《Python科学计算最佳实践(SciPy指南)》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。 本书适合Python程序员以及计算科学领域从业人员阅读参考。 目录 前言 ix 第 1章 优雅的NumPy:Python科学应用的基础 1.1 数据简介:什么是基因表达 1.2 NumPy的N维数组 1.2.1 为什么用N维数组代替Python列表 1.2.2 向量化 1.2.3 广播 1.3 探索基因表达数据集 1.4 标准化 1.4.1 样本间的标准化 1.4.2 基因间的标准化 1.4.3 样本与基因标准化:RPKM 1.5 小结 第 2章 用NumPy和SciPy进行分位数标准化 2.1 获取数据 2.2 独立样本间的基因表达分布差异 2.3 计数数据的双向聚类 2.4 簇的可视化 2.5 预测幸存者 2.5.1 进一步工作:使用TCGA患者簇 2.5.2 进一步工作:重新生成TCGA簇 第3章 用ndimage实现图像区域网络 3.1 图像就是NumPy数组 3.2 信号处理中的滤波器 3.3 图像滤波(二维滤波器) 3.4 通用滤波器:邻近值的任意函数 3.4.1 练习:康威的生命游戏 3.4.2 练习:Sobel梯度幅值 3.5 图与NetworkX库 3.6 区域邻接图 3.7 优雅的ndimage:如何根据图像区域建立图对象 3.8 归纳总结:平均颜色分割 第4章 频率与快速傅里叶变换 4.1 频率的引入 4.2 示例:鸟鸣声谱图 4.3 历史 4.4 实现 4.5 选择离散傅里叶变换的长度 4.6 更多离散傅里叶变换概念 4.6.1 频率及其排序 4.6.2 加窗 4.7 实际应用:分析雷达数据 4.7.1 频域中的信号性质 4.7.2 加窗之后 4.7.3 雷达图像 4.7.4 快速傅里叶变换的进一步应用 4.7.5 更多阅读 4.7.6 练习:图像卷积 第5章 用稀疏坐标矩阵实现列联表 5.1 列联表 5.1.1 练习:混淆矩阵的计算复杂度 5.1.2 练习:计算混淆矩阵的另一种方法 5.1.3 练习:多类混淆矩阵 5.2 scipy.sparse数据格式 5.2.1 COO格式 5.2.2 练习:COO表示 5.2.3 稀疏行压缩格式 5.3 稀疏矩阵应用:图像转换 5.4 回到列联表 5.5 图像分割中的列联表 5.6 信息论简介 5.7 图像分割中的信息论:信息变异 5.8 转换NumPy数组代码以使用稀疏矩阵 5.9 使用信息变异 第6章 SciPy中的线性代数 6.1 线性代数基础 6.2 图的拉普拉斯矩阵 6.3 大脑数据的拉普拉斯矩阵 6.3.1 练习:显示近邻视图 6.3.2 练习挑战:稀疏矩阵线性代数 6.4 PageRank:用于声望和重要性的线性代数 6.4.1 练习:处理悬挂节点 6.4.2 练习:不同特征向量方法的等价性 6.5 结束语 第7章 SciPy中的函数优化 7.1 SciPy优化模块:sicpy.optimize 7.2 用optimize进行图像配准 7.3 用basin hopping算法避开局部最小值 7.4 选择正确的目标函数 第8章 用Toolz在笔记本电脑上玩转大数据 8.1 用yield进行流处理 8.2 引入Toolz流库 8.3 k-mer计数与错误修正 8.4 柯里化:流的调料 8.5 回到k-mer计数 8.6 全基因组的马尔可夫模型 后记 附录 练习答案 作者简介 封面简介
|