Python 科学计算第二版书稿编辑接近尾声

[ruoyu0088]

经过近两年的编写工作，Python科学计算第二版书稿编辑工作接近尾声，大概7月底能够交稿，下面是目前的目录，[]中的数字为相应章节的文字数和示例代码行数。也就是说目前大约有35万字，9900行示例代码。目前除第一章关于IPython的介绍，Pandas和Sympy章节尚未完成之外，其余章节均进入校对阶段。

另外本书的示例代码仓库：

https://github.com/ruoyu0088/scpy2

下面是详细目录：

Python科学计算（第二版） [352328, 9918]
　Python科学计算环境的安装与简介 [15027, 184]
　　 Python简介 [6633, 1]
　　　 Python2还是Python3 [455, 0]
　　　 开发环境 [1897, 0]
　　　 集成开发环境(IDE) [3227, 1]
　　 IPython Notebook入门 [6045, 133]
　　　 基本操作 [2628, 7]
　　　 魔法(Magic)命令 [1886, 63]
　　　 Notebook的显示系统 [1206, 63]
　　 扩展库介绍 [2349, 50]
　　　 数值计算库 [539, 5]
　　　 符号计算库 [158, 3]
　　　 绘图与可视化 [440, 11]
　　　 数据处理和分析 [257, 6]
　　　 界面设计 [416, 0]
　　　 图像处理和计算机视觉 [190, 8]
　　　 提高运算速度 [280, 17]
　 NumPy-快速处理数据 [47462, 886]
　　 ndarray对象 [12329, 195]
　　　 创建 [552, 13]
　　　 元素类型 [990, 18]
　　　 自动生成数组 [1903, 22]
　　　 存取元素 [1335, 32]
　　　 多维数组 [2122, 30]
　　　 结构数组 [1815, 45]
　　　 内存结构 [3377, 34]
　　 ufunc函数 [7354, 105]
　　　 四则运算 [1072, 5]
　　　 比较和布尔运算 [1346, 11]
　　　 自定义ufunc函数 [927, 14]
　　　 广播 [1622, 34]
　　　 ufunc的方法 [1276, 10]
　　 多维数组的下标存取 [3061, 47]
　　　 下标对象 [416, 5]
　　　 整数数组作为下标 [1261, 24]
　　　 一个复杂的例子 [754, 11]
　　　 布尔数组作下标 [537, 7]
　　 庞大的函数库 [20488, 444]
　　　 随机数 [1212, 30]
　　　 求和、平均值、方差 [2556, 38]
　　　 大小与排序 [2963, 64]
　　　 统计函数 [1982, 21]
　　　 分段函数 [1998, 29]
　　　 操作多维数组 [1983, 50]
　　　 多项式函数 [1256, 39]
　　　 多项式函数类 [1871, 88]
　　　 各种乘积运算 [1293, 38]
　　　 广义ufunc函数 [3263, 47]
　　 实用技巧 [3780, 93]
　　　 动态数组 [1635, 35]
　　　 和其它对象共享内存 [1322, 38]
　　　 与结构数组共享内存 [772, 20]
　 SciPy-数值计算库 [41762, 1379]
　　 常数和特殊函数 [1209, 29]
　　 拟合与优化-optimize [5011, 216]
　　　 非线性方程组求解 [1544, 26]
　　　 最小二乘拟合 [1372, 102]
　　　 计算函数局域最小值 [1452, 66]
　　　 计算全域最小值 [579, 22]
　　 线性代数-linalg [5686, 125]
　　　 解线性方程组 [1002, 24]
　　　 最小二乘解 [1675, 32]
　　　 特征值和特征向量 [2063, 52]
　　　 奇异值分解-SVD [893, 17]
　　 统计-stats [9066, 297]
　　　 连续概率分布 [1467, 30]
　　　 离散概率分布 [517, 7]
　　　 核密度估计 [539, 16]
　　　 二项、泊松、伽玛分布 [3222, 127]
　　　 学生t-分布与t检验 [1778, 62]
　　　 卡方分布和卡方检验 [1404, 55]
　　 数值积分-integrate [8882, 312]
　　　 球的体积 [1158, 18]
　　　 解常微分方程组 [865, 21]
　　　 ode类 [2423, 132]
　　　 信号处理-signal [58, 0]
　　　 中值滤波 [558, 10]
　　　 滤波器设计 [1121, 36]
　　　 连续时间线性系统 [2646, 95]
　　 插值-interpolate [4434, 168]
　　　 一维插值 [2550, 85]
　　　 多维插值 [1801, 83]
　　 稀疏矩阵-sparse [2465, 90]
　　　 稀疏矩阵的储存形式 [780, 17]
　　　 最短路径 [1332, 73]
　　 图像处理-ndimage [4760, 140]
　　　 形态学图像处理 [2252, 94]
　　　 图像测量 [2077, 46]
　 matplotlib-绘制精美的图表 [44548, 1201]
　　 快速绘图 [7400, 172]
　　　 使用pyplot模块绘图 [1797, 24]
　　　 面向对象方式绘图 [893, 3]
　　　 配置属性 [694, 15]
　　　 绘制多子图 [1630, 37]
　　　 配置文件 [1058, 42]
　　　 在图表中显示中文 [1069, 49]
　　 Artist对象 [7063, 132]
　　　 Artist的属性 [882, 9]
　　　 Figure容器 [1185, 16]
　　　 Axes容器 [1938, 25]
　　　 Axis容器 [1091, 62]
　　　 Artist对象的关系 [639, 9]
　　 坐标变换和注释 [8173, 125]
　　　 四种坐标系 [1599, 9]
　　　 坐标变换的流水线 [2809, 23]
　　　 制作阴影效果 [476, 18]
　　　 添加注释 [1964, 14]
　　 块、路径和集合 [4744, 196]
　　　 Path与Patch [909, 16]
　　　 集合 [3774, 180]
　　 绘图函数简介 [9720, 263]
　　　 对数坐标图 [332, 12]
　　　 极坐标图 [318, 12]
　　　 柱状图 [479, 11]
　　　 散列图 [663, 8]
　　　 图像 [1255, 38]
　　　 等值线图 [1766, 34]
　　　 四边形网格 [874, 38]
　　　 三角网格 [898, 33]
　　　 箭头图 [1753, 65]
　　　 三维绘图 [1235, 12]
　　 matplotlib技巧集 [7120, 313]
　　　 使用agg后台在图像上绘图 [1204, 58]
　　　 响应鼠标与键盘事件 [3724, 169]
　　　 动画 [1243, 49]
　　　 添加GUI面板 [924, 37]
　 Pandas-方便的数据分析库 [12648, 249]
　　 Pandas中的数据对象 [5445, 93]
　　　 Series对象 [821, 9]
　　　 DataFrame对象 [2287, 42]
　　　 Index对象 [417, 11]
　　　 MultiIndex对象 [565, 19]
　　　 DataFrame的内部结构 [1270, 12]
　　 下标存取 [2781, 37]
　　　 []操作符 [418, 2]
　　　 .loc[]和.iloc[]存取器 [470, 6]
　　　 获取单个值 [168, 2]
　　　 多级标签的存取 [345, 3]
　　　 query()方法 [0, 1]
　　　 赋值 [0, 0]
　　　 改变DataFrame的形状 [514, 18]
　　 文件的输入输出 [1685, 20]
　　　 HDF5文件 [1435, 20]
　　 内部提速函数 [2479, 97]
　　　 获取第N小的元素 [215, 7]
　　　 中值滤波 [713, 30]
　　　 HashTable [630, 12]
　　　 对象数组相关的函数 [478, 9]
　　　 药剂反应实验数据分析 [266, 39]
　 SymPy-符号运算好帮手 [11563, 339]
　　 从例子开始 [1709, 21]
　　　 封面上的经典公式 [900, 12]
　　　 球体体积 [753, 9]
　　 数学表达式 [2631, 66]
　　　 符号 [1073, 14]
　　　 数值 [570, 10]
　　　 运算符和函数 [918, 14]
　　　 通配符号 [0, 28]
　　 符号运算 [2859, 55]
　　　 表达式变换和化简 [1341, 29]
　　　 方程 [247, 4]
　　　 微分 [370, 8]
　　　 微分方程 [156, 4]
　　　 积分 [686, 10]
　　 输出表达式 [1743, 39]
　　　 lambdify [440, 12]
　　　 用autowrap()编译表达式 [446, 11]
　　　 使用cse()分步输出表达式 [766, 16]
　　 机械运动学模拟 [2362, 158]
　　　 推导系统的微分方程 [909, 32]
　　　 将符号表达式转换为程序 [1118, 87]
　　　 动画演示 [192, 36]
　 Traits & TraitsUI-轻松制作图形界面 [38876, 1188]
　　 Traits类型入门 [6564, 116]
　　　 什么是Traits属性 [1336, 22]
　　　 Trait属性的功能 [2147, 44]
　　　 Trait类型对象 [921, 28]
　　　 Trait的元数据 [1703, 22]
　　 Trait类型 [8195, 215]
　　　 预定义的Trait类型 [2973, 38]
　　　 Property属性 [1366, 25]
　　　 Trait属性监听 [1465, 65]
　　　 Event和Button属性 [581, 22]
　　　 代理属性 [1265, 46]
　　　 动态添加Trait属性 [501, 19]
　　 创建自己的Trait类型 [2999, 109]
　　　 继承TraitType [1433, 49]
　　　 使用Trait类创建新类型 [944, 21]
　　　 TraitHandler类 [526, 39]
　　 TraitsUI入门 [8673, 214]
　　　 缺省界面 [609, 9]
　　　 用View定义界面 [7615, 205]
　　 用Handler控制界面和模型 [4332, 109]
　　　 用Handler处理事件 [2263, 66]
　　　 Controller和UIInfo对象 [641, 16]
　　　 响应Trait属性的事件 [747, 27]
　　 属性编辑器 [5520, 274]
　　　 编辑器演示程序 [1345, 70]
　　　 对象编辑器 [2963, 99]
　　　自定义编辑器 [742, 103]
　　函数曲线绘制工具 [2376, 151]
　 TVTK与Mayavi-数据的三维可视化 [36840, 997]
　　 VTK的流水线(Pipeline) [5108, 59]
　　　 显示圆锥 [1940, 35]
　　　 用ivtk观察流水线 [3074, 24]
　　 数据集(Dataset) [6455, 142]
　　　 ImageData [2551, 50]
　　　 RectilinearGrid [697, 18]
　　　 StructuredGrid [1355, 32]
　　　 PolyData [1558, 42]
　　 TVTK的改进 [1937, 102]
　　　 TVTK的基本用法 [657, 12]
　　　 Trait属性 [323, 7]
　　　 序列化(Pickling) [156, 15]
　　　 集合迭代 [130, 24]
　　　 数组操作 [286, 14]
　　 TVTK可视化实例 [9368, 348]
　　　 切面 [3659, 71]
　　　 等值面 [1533, 36]
　　　 流线 [2362, 67]
　　　 计算圆柱的相贯线 [1554, 174]
　　 用mlab快速绘图 [11306, 191]
　　　 点和线 [1324, 13]
　　　 Mayavi的流水线 [1814, 22]
　　　 二维图像的可视化 [2222, 39]
　　　 网格面mesh [1615, 41]
　　　 修改和创建流水线 [1305, 41]
　　　 标量场 [1583, 14]
　　　 矢量场 [997, 21]
　　 将TVTK和Mayavi嵌入到界面中 [2006, 151]
　　　 TVTK场景的嵌入 [721, 50]
　　　 Mayavi场景的嵌入 [1154, 101]
　 OpenCV-图像处理和计算机视觉 [31590, 900]
　　 图像的输入输出 [4061, 128]
　　　 读入并显示图像 [1043, 15]
　　　 图像类型 [681, 42]
　　　 图像输出 [689, 22]
　　　 字节序列与图像相互转换 [496, 10]
　　　 视频输出 [725, 22]
　　　 视频输入 [311, 17]
　　 图像处理 [5148, 49]
　　　 二维卷积 [1574, 30]
　　　 形态学运算 [1332, 2]
　　　 填充-floodFill [1413, 15]
　　　 去瑕疵-inpaint [724, 2]
　　 图像变换 [8577, 346]
　　　 几何变换 [1455, 50]
　　　 重映射-remap [1701, 73]
　　　 直方图 [2574, 100]
　　　 二维离散傅立叶变换 [1527, 49]
　　　 用双目视觉图像计算深度信息 [1247, 74]
　　 图像识别 [7582, 175]
　　　 用Hough变换检测直线和圆 [2941, 75]
　　　 图像分割 [2117, 41]
　　　 SURF特征匹配 [2465, 59]
　　 形状与结构分析 [2385, 131]
　　　 轮廓检测 [1552, 72]
　　　 轮廓匹配 [761, 59]
　　 类型转换 [3625, 69]
　　　 分析cv2的源程序 [1549, 57]
　　　 Mat对象 [1326, 4]
　　　 在cv和cv2之间转换图像对象 [504, 8]
　 Cython-编译Python程序 [29499, 1040]
　　 配置编译器 [1144, 17]
　　 Cython入门 [7152, 130]
　　　 计算矢量集的距离矩阵 [638, 56]
　　　 将Cython程序编译成扩展模块 [883, 22]
　　　 C语言中的Python对象类型 [1389, 12]
　　　 使用cdef关键字声明变量类型 [2862, 18]
　　　 使用def定义函数 [831, 12]
　　　 使用cdef定义C语言函数 [459, 10]
　　 高效处理数组 [3996, 219]
　　　 Cython的内存视图 [2638, 87]
　　　 用降采样提高绘图速度 [1282, 132]
　　 使用Python标准对象和API [2217, 78]
　　　 操作list对象 [1028, 26]
　　　 创建tuple对象 [242, 31]
　　　 用array.array作动态数组 [851, 21]
　　 扩展类型(cdef类) [6154, 329]
　　　 扩展类型的基本结构 [884, 30]
　　　 一维浮点数向量类型 [2093, 113]
　　　 包装ahocorasick库 [2969, 186]
　　 Cython技巧集 [8339, 267]
　　　 创建ufunc函数 [3205, 83]
　　　 快速调用DLL中的函数 [1485, 64]
　　　 调用BLAS函数 [3569, 120]
　实例 [42513, 1555]
　　 使用泊松混合合成图像 [3741, 65]
　　　 泊松混合算法 [1409, 0]
　　　编写代码 [1783, 63]
　　　演示程序 [418, 2]
　　 物理模拟 [4434, 205]
　　　 悬链线 [1848, 113]
　　　 最速降线 [972, 40]
　　　 单摆模拟 [1552, 52]
　　 推荐算法 [5893, 175]
　　　 读入数据 [515, 29]
　　　 推荐性能评价标准 [474, 12]
　　　 矩阵分解 [1433, 21]
　　　 使用最小二乘法实现矩阵分解 [2246, 46]
　　　 使用Cython迭代实现矩阵分解 [1143, 67]
　　 频域信号处理 [9505, 365]
　　　 FFT知识复习 [1696, 29]
　　　 合成时域信号 [825, 57]
　　　 观察信号的频谱 [4792, 150]
　　　 卷积运算 [2042, 129]
　　 布尔可满足性问题求解器 [9649, 292]
　　　 用Cython包装PicoSAT [2438, 111]
　　　 数独游戏 [2346, 64]
　　　 扫雷游戏 [3019, 109]
　　 分形 [9251, 453]
　　　 Mandelbrot集合 [2178, 103]
　　　 迭代函数系统(IFS) [3381, 129]
　　　 L-System分形 [1029, 107]
　　　 分形山脉 [2460, 114]

[imn1]

非常期待
第一版相当好

[Kirscheis]

赞。目前正在玩sympy，感觉真的很强大。希望有更多人用Python做科学计算

[staticor]

一定买.

[wegamekinglc]

期待楼主的第二版

[bigtan]

出了以后在v2ex组织一波团购吧。

[anjunecha]

加油！2015年必买书之一

[em70]

大爱，一定要出kindle版啊，现在不习惯买实体书了，原价都没关系

[Kai]

期待！

[kdwycz]

非常期待

[ctexlive]

好书 到时购买

[102516949]

已收藏

[inframe]

好顶赞！

[facat]

感觉numpy.array 和 scipy.sparse混用的时候各种坑，一不留神矩阵乘就变成点乘了，还难以发现

[ruoyu0088]

@facat 能举几个例子吗。

[facat]

@ruoyu0088

import numpy
import scipy.sparse as sparse
a=numpy.array([[1,2],[2,3]])
b=sparse.coo_matrix(([1,-1,0,1],([0,0,1,1],[0,1,0,1]) ) ,shape=(2,2))
print(a*b)#这个执行的事矩阵乘，但*号应该是点乘
print(a*b.toarray())#这个是对的

就这样

[ruoyu0088]

@facat

a是数组，b是矩阵，数组和矩阵相乘使用矩阵乘没有问题吧。只有数组和数组乘才是对应元素相乘。另外可以用b.multiply(a)做元素乘。

[facat]

@ruoyu0088
"数组和矩阵相乘使用矩阵乘没有问题吧" 这个不是关键，它怎么定义数组和矩阵都可以，关键是你得一直记着哪个是什么类型，否则就容易出错。

退一步说，事先不说明“数组”和矩阵相乘不是点乘，很容易让大家犯错

[ruoyu0088]

@facat 矩阵乘和元素乘是容易搞混，numpy中还有一个表示矩阵的Matrix类，这个和数组一起用的时候也容易出错。所以最好的办法就是让所有的参数都是相同的类型。因此如果需要矩阵乘a*b就：sparse.csr_matrix(a).dot(b)，如果需要元素乘就b.multiply(a)。

Python中一直有这样的问题，例如在Python2中除法/的运算结果和类型有关，必须得一直记住变量的类型。因此Python3把/定义为浮点除法，//定义为整数除法来解决这样的问题。以后会出现@表示矩阵乘法，这样就不会搞混了。

[facat]

@ruoyu0088 我现在的想法就是自己写mutiply函数，在里面调用numpy的方法，调用之前判断一下类型是否相同。貌似也只能这样了，但这真的是一个坑。

[wuyu1998]

《Python科学计算（附光盘内容）》
京 东 价：￥39.20

http://e.jd.com/30122948.html

[flamhaze5946]

@wuyu1998 这个是第一版的,现在等第二版...

[WildCat]

楼主，进度如何了啊？有预计上市时间吗？

[ruoyu0088]

@WildCat ７月份交稿，然后到出版可能还需要等３，４个月时间。

[qinkun1234]

那要到明年1月份才能 买到咯

[WildCat]

@ruoyu0088 楼主 现在进度如何？方便通报吗

[ruoyu0088]

@WildCat 8 月底已经交稿了。

[WildCat]

@ruoyu0088 期待^ω^

[WildCat]

@ruoyu0088 还没有搜到第二版，希望您的书上市的时候可以 @ 一下我，或者发个帖子。感谢

[ruoyu0088]

@WildCat 等出版了一定会在这里发广告的。