Python玩轉(zhuǎn)數(shù)學(xué)問題（輕松學(xué)習(xí)NumPy\SciPy和Matplotlib）

第1章 Spyder IDE
1.1 安裝Spyder
1.2 使用Spyder
1.3 升級(jí)Spyder
1.4 使用Spyder在線版
1.5 本章小結(jié)
第2章 用Python處理計(jì)算公式
2.1 將Python作為計(jì)算器
2.1.1 算術(shù)運(yùn)算
2.1.2 關(guān)系運(yùn)算
2.1.3 賦值運(yùn)算
2.1.4 邏輯運(yùn)算
2.1.5 位運(yùn)算
2.2 編寫Python腳本
2.2.1 定義變量
2.2.2 變量名
2.2.3 變量類型
2.2.4 表達(dá)式
2.2.5 語句
2.2.6 注釋
2.2.7 格式化輸出
2.3 編程陷阱
2.4 本章小結(jié)
2.5 練習(xí)
第3章 函數(shù)與分支
3.1 使用函數(shù)
3.2 Python Math模塊
3.2.1 常數(shù)
3.2.2 算術(shù)函數(shù)
3.2.3 Math庫(kù)中其他的重要數(shù)學(xué)函數(shù)
3.3 定義函數(shù)
3.4 括號(hào)匹配
3.5 入?yún)⒑途植孔兞?br /> 3.5.1 參數(shù)默認(rèn)值
3.5.2 關(guān)鍵字參數(shù)
3.5.3 局部變量和全局變量
3.6 函數(shù)返回值
3.7 Lambda表達(dá)式
3.8 條件分支
3.9 程序驗(yàn)證
3.9.1 編寫測(cè)試函數(shù)
3.9.2 使用pytest
3.10 本章小結(jié)
3.11 練習(xí)
第4章 循環(huán)
4.1 while循環(huán)
4.2 使用列表存儲(chǔ)數(shù)據(jù)
4.2.1 創(chuàng)建列表
4.2.2 列表索引
4.2.3 列表的基本操作
4.2.4 列表對(duì)象支持的方法
4.3 for循環(huán)
4.4 中止當(dāng)前循環(huán)
4.5 列表推導(dǎo)式（list comprehension)
4.5.1 range類型
4.5.2 使用for循環(huán)填充列表
4.5.3 數(shù)列求和
4.5.4 更改列表中的元素
4.5.5 創(chuàng)建列表的簡(jiǎn)便方式
4.5.6 zip（）函數(shù)
4.6 嵌套列表
4.7 Spyder調(diào)試代碼
4.8 Tuples
4.9 求方程近似解
4.9.1 二分法
4.9.2 牛頓迭代法
4.10 本章小結(jié)
第5章 Python繪圖
5.1 安裝Matplotlib
5.2 繪制簡(jiǎn)單圖形
5.3 北京、上海和廣州三地的平均溫度
5.4 繪制函數(shù)圖形
5.5 Matplotlib對(duì)象層次結(jié)構(gòu)
5.5.1 Line2D對(duì)象
5.5.2 添加文本
5.5.3 多個(gè)子圖（Axes）
5.6 字典（Dictionary）類型
5.7 本章小結(jié)
5.8 練習(xí)
第6章 類和面向?qū)ο缶幊?br /> 6.1 代表數(shù)學(xué)公式的類
6.2 類的通用格式
6.3 受保護(hù)的類屬性
6.4 對(duì)象屬性和類屬性
6.5 特殊方法
6.5.1 __call__()
6.5.2 ___del__()
6.5.3 __str__()
6.5.4 __repr__()
6.5.5 __abs__()
6.5.6 數(shù)學(xué)運(yùn)算的特殊方法
6.6 Python的類和靜態(tài)方法
6.7 如何知道類的內(nèi)容
6.8 類的測(cè)試函數(shù)
6.9 類層次結(jié)構(gòu)和繼承
6.10 使用OOP方法的實(shí)例
6.10.1 螺線
6.10.2 比例數(shù)
6.11 本章小結(jié)
6.12 練習(xí)
第7章 NumPy與矩陣
7.1 NumPy安裝
7.1.1 使用pip安裝
7.1.2 Linux下安裝
7.1.3 安裝驗(yàn)證
7.2 NumPy數(shù)組對(duì)象
7.2.1 創(chuàng)建數(shù)組對(duì)象
7.2.2 修改數(shù)組形狀
7.2.3 單位矩陣
7.3 NumPy數(shù)據(jù)類型
7.3.1 基本數(shù)據(jù)類型
7.3.2 長(zhǎng)度確定的數(shù)據(jù)類型
7.3.3 字節(jié)序
7.3.4 結(jié)構(gòu)化數(shù)據(jù)
7.4 操作數(shù)組
7.4.1 數(shù)組切片和索引
7.4.2 迭代數(shù)組
7.4.3 基本運(yùn)算
7.4.4 位操作
7.4.5 布爾運(yùn)算
7.4.6 NumPy廣播（Broadcast)
7.4.7 數(shù)組排序
7.4.8 統(tǒng)計(jì)運(yùn)算
7.5 用NumPy處理代數(shù)問題
7.5.1 向量化計(jì)算
7.5.2 向量和矩陣
7.5.3 用NumPy求解線性方程組
7.5.4 插值和擬合
7.6 本章小結(jié)
7.7 練習(xí)
第8章 SymPy與符號(hào)計(jì)算
8.1 安裝和升級(jí)SymPy
8.2 配置SymPy
8.3 定義符號(hào)
8.3.1 變量符號(hào)
8.3.2 數(shù)值符號(hào)
8.3.3 函數(shù)對(duì)象
8.4 符號(hào)運(yùn)算
8.4.1 數(shù)的運(yùn)算
8.4.2 表達(dá)式展開
8.4.3 表達(dá)式化簡(jiǎn)
8.4.4 表達(dá)式求值
8.4.5 表達(dá)式連加
8.4.6 表達(dá)式連乘
8.4.7 因式分解
8.4.8 邏輯運(yùn)算
8.5 微積分
8.5.1 極限
8.5.2 級(jí)數(shù)展開
8.5.3 微分
8.5.4 積分
8.5.5 路徑積分
8.5.6 積分變換
8.6 線性代數(shù)
8.6.1 矩陣
8.6.2 方程
8.7 繪圖
8.8 本章小結(jié)
8.9 練習(xí)
第9章 統(tǒng)計(jì)分析
9.1 安裝Pandas和SciPy
9.2 基本概念
9.2.1 平均值
9.2.2 加權(quán)平均值
9.2.3 調(diào)和平均值
9.2.4 幾何平均值
9.2.5 中位值
9.2.6 眾數(shù)
9.2.7 方差
9.2.8 標(biāo)準(zhǔn)差
9.2.9 偏度
9.2.10 百分位數(shù)
9.2.11 范圍
9.3 描述性統(tǒng)計(jì)
9.4 數(shù)據(jù)相關(guān)性
9.4.1 協(xié)方差
9.4.2 相關(guān)系數(shù)
9.5 從文件讀取數(shù)據(jù)
9.5.1 處理CSV文件
9.5.2 對(duì)象化處理數(shù)據(jù)
9.6 繪制統(tǒng)計(jì)圖
9.6.1 上海車牌競(jìng)拍
9.6.2 上海的歷史降雨量
9.7 本章小結(jié)
9.8 練習(xí)
第10章 概率統(tǒng)計(jì)