![](/c49/99/10028944482468.jpg)
店鋪:遼寧音像出版社圖書專營店 出版社:科學出版社 ISBN:9787030645272 商品編碼:10028944482468 包裝:平裝 出版時間:2020-04-01 作者:司守奎,孫璽菁
"![](https://img30.360buyimg.com/vc/jfs/t1/133807/23/6105/1087639/5f2ba677Eef8e6ef2/160d7520e6c7877d.jpg)
基本信息 書名:Python數學實驗與建模 代碼: 作者:司守奎,孫璽菁 出版社:科學出版社 出版日期:2020-04-01 ISBN:9787030645272 字數: 頁碼:550 版次: 裝幀:平裝 開本:16開 商品重量: 編輯推薦
內容提要
《Python數學實驗與建模》以 Python 軟件為基礎, 詳細介紹了數學建模的各種常用算法及其軟件實現, 內容涉及高等數學、工程數學中的相關數學實驗、數學規劃、插值與擬合、微分方程、差分方程、評價預測、圖論模分析、Monte Carlo 模擬、智能算法、時間序列分析、支持向量機、圖像處理等內容, 既有對算法數學原理的詳述, 又有案例和配套的 Python 程序. 《Python數學實驗與建模》含有 Python 快速入門基礎, 可以幫助 Python 零基礎的讀者快速掌握Python 語言. 但對於沒有其他任何編程語言基礎的讀者, 建議參考一些更加具體的 Python 相關書籍. 目錄
目 錄 前言 第 1 章 Python 語言快速入門 1 1.1 Python 的安裝與簡單使用 1 1.1.1 Python 繫統的安裝 1 1.1.2 Python 工具庫的管理與安裝 3 1.1.3 簡單的 Python 程序 4 1.2 Python 基礎知識 5 1.2.1 基本數據處理 5 1.2.2 輸出 print 和輸入 input 6 1.2.3 運算符與表達式 8 1.2.4 流程控制 10 1.3 復合數據類型 14 1.3.1 list 列表 14 1.3.2 tup組?dict 字典和 set 集合 17 1.3.3 序列的一些實用操作 20 1.4 函數.24 1.4.1 自定義函數語法 24 1.4.2 自定義函數的四種參數 25 1.4.3 參數傳遞 27 1.4.4 兩個特殊函數 29 1.4.5 導入模塊 31 1.5 Python 程序的書寫規則34 習題 1 36 第 2 章 數據處理與可視化 39 2.1 數值計算工具 NumPy.39 2.1.1 數組的創建?屬性和操作 39 2.1.2 數組的運算?通用函數和廣播運算45 2.1.3 NumPy.random 模塊的數生成 48 2.1.4 文本文件和二進制文件存取 48 2.2 文件操作 53 2.2.1 文件基本操作 53 2.2.2 文本文件的讀寫操作 55 2.2.3 文件管理方法 56 2.3 數據處理工具 Pandas 57 2.3.1 Pandas 的序列與數據框58 2.3.2 外部文件的存取 60 2.4 Matplotlib 可視化 64 2.4.1 基礎用法 65 2.4.2 Matplotlib.pyplot 的可視化應用 68 2.4.3 可視化的綜合應用 74 2.5 scipy.stats 模塊簡介 78 2.5.1 變量及分布 78 2.5.2 概率密度函數和分布律可視化 79 習題 2 83 第 3 章 Python 在高等數學和線性代數中的應用 85 3.1 SymPy 工具庫介紹.85 3.1.1 PymPy 工具庫簡介 85 3.1.2 符號運算基礎知識 87 3.2 SciPy 工具庫簡介 88 3.3 用 SymPy 做符號函數畫圖91 3.4 高等數學問題的符號解 93 3.5 高等數學問題的數值解 98 3.5.1 泰勒級數與數值導數 98 3.5.2 數值積分 101 3.5.3 非線性方程 (組) 數值解.104 3.5.4 函數極值點的數值解.107 3.6 線性代數問題的符號解和數值解 108 3.6.1 線性代數問題的符號解108 3.6.2 線性代數問題的數值解113 3.6.3 求超定線性方程組的 小二乘解 118 習題 3 120 第 4 章 概率論與數理統計 122 4.1 變量的概率計算和數字特征 122 4.1.1 變量的概率計算.122 4.1.2 變量數字特征簡介123 4.1.3 變量數字特征計算及應用 125 4.2 描述性統計和統計圖 127 4.2.1 統計的基礎知識 127 4.2.2 用 Python 計算統計量 129 4.2.3 統計圖 132 4.3 參數估計和假設檢驗 140 4.3.1 參數估計 140 4.3.2 參數假設檢驗 142 4.3.3 非參數假設檢驗 146 4.4 方差分析.150 4.4.1 單因素方差分析及 Python 實現 151 4.4.2 雙因素方差分析及 Python 實現 155 4.線性回歸模型 160 4.5.線性回歸分析 160 4.5.線性回歸應用舉例164 4.6 常用的數據清洗方法 166 4.6.1 重復觀測處理 167 4.6.2 缺失值處理 168 4.6.3 異常值處理 170 習題 4 173 第 5 章 線性規劃 175 5.1 線性規劃的概念和理論 175 5.2 線性規劃的 Python 求解 177 5.2.1 用 scipy.optimize 模塊求解 177 5.2.2 用 cvxopt.solvers 模塊求解 182 5.2.3 用 cvxpy 求解 183 5.3 靈敏度分析 185 5.4 投資的收益和風險 187 習題 5 193 第 6 章 整數規劃與非線性規劃 195 6.1 整數規劃 195 6.1.1 整數規劃問題與求解 195 6.1.2 指派問題及求解 196 6.1.3 整數規劃實例 || 裝箱問題 200 6.2 非線性規劃 202 6.2.1 非線性規劃概念和理論202 6.2.2 非線性規劃的 Python 求解.205 6.2.3 飛行管理問題 209 習題 6 213 第 7 章 插值與擬合 215 7.1 插值 215 7.1.1 插值方法 215 7.1.2 用 Python 求解插值問題 221 7.2 擬合 225 7.2.1 小二乘擬合 225 7.2.2 數據擬合的 Python 實現 228 習題 7 231 第 8 章 微分方程模型 234 8.1 微分方程模型的求解方法 234 8.1.1 微分方程的數值解 234 8.1.2 用 Python 求解微分方程 235 8.2 微分方程建模方法 240 8.3 微分方程建模實例 245 8.3.1 Malthus 模型 245 8.3.2 Logistic 模型 246 8.3.3 美國人口的預報模型.247 8.3.4 傳染病模型 249 8.4 拉氏變換求常微分方程 (組) 的符號解 252 習題 8 255 第 9 章 綜合評價方法 257 9.1 綜合評價的基本理論和數據預處理 257 9.1.1 綜合評價的基本概念.257 9.1.2 綜合評價體繫的構建.258 9.1.3 評價指標的預處理方法260 9.1.4 評價指標預處理示例.264 9.2 常用的綜合評價數學模型 266 9.2.1 線性加權綜合評價模型266 9.2.2 TOPSIS 法 267 9.2.3 灰色關聯度分析 268 9.2.4 熵值法 269 9.2.5 秩和比法 269 9.2.6 綜合評價示例 271 9.3 層次分析法案例 274 習題 9 280 第 10 章 圖論模型 281 10.1 圖的基礎理論及 workx 簡介 281 10.1.1 圖的基本概念 281 10.1.2 圖的表示及 workx 簡介 284 10.2 短路算法及其 Python 實現 289 10.2.1 固定起點到其餘各點的 短路算法 290 10.2.2 每對頂點間的 短路算法 293 10.2.3 短路應用範例 297 10.3 小生成樹算法及其 workx 實現 301 10.3.1 基本概念 301 10.3.2 求 小生成樹的算法 302 10.3.3 用 workx 求 小生成樹及應用 304 10.4 匹配問題 306 10.5 流與 小費用流問題 309 10.5.1 流問題 309 10.5.2 小費用流問題 312 10.6 PageRank 算法 314 10.7 復雜網絡簡介 318 10.7.1 復雜網絡初步介紹318 10.7.2 復雜網絡的統計描述 319 習題 10323 第 11 分析 326 11.1 判別分析 326 11.1.1 距離判別法 326 11.1.2 Fisher 判別法 330 11.1.3 貝葉斯判別法 332 11.1.4 判別準則的評價 333 11.2 主成分分析 335 11.2.1 主成分分析的基本原理和步驟 335 11.2.2 主成分分析的應用339 11.3 因子分析 342 11.3.1 因子分析的數學理論 342 11.3.2 學生成績的因子分析模型 346 11.4 聚類分析 350 11.4.1 數據變換 350 11.4.2 樣品間親疏程度的測度計算 351 11.4.3 scipy.cluster.hierarchy 模塊的層次聚類 353 11.4.4 基於類間距離的層次聚類 355 11.4.5 K 均值聚類 358 11.4.6 K 均值聚類法簇數 k 值的確定 360 11.4.7 K 均值聚類的應用 363 習題 11 366 第 12 章 回歸分析 369 12.線性回歸分析 369 12.1.線性回歸模型369 12.1.2 Python 求解線性回歸分析 372 12.2 線性回歸模型的正則化 374 12.2.1 多重共線性關繫 375 12.2.2 嶺回歸 377 12.2.3 LASSO 回歸.379 12.3 Logistic 回歸 383 12.3.1 Logistic 回歸模型 383 12.3.2 Logistic 回歸模型的應用 387 習題 12 391 第 13 章 差分方程模型 394 13.1 差分方程及解法 394 13.2 差分方程的平衡點及穩定性 398 13.3 Leslie 模型 399 13.4 管住嘴邁開腿 404 13.5 離散阻滯增長模型及其應用 409 13.5.1 離散阻滯增長模型409 13.5.2 離散阻滯增長模型的應用 411 13.6 染色體遺傳模型 413 習題 13 416 第 14 章 模糊數學 418 14.1 模糊數學的基本概念和基本運算 418 14.1.1 模糊數學的基本概念 418 14.1.2 模糊數學的基本運算 421 14.2 模糊模式識別 424 14.2.1 擇近原則 424 14.2.2 隸屬原則 426 14.3 模糊聚類 427 14.3.1 模糊層次聚類 427 14.3.2 模糊 C 均值聚類 431 14.4 模糊綜合評價 434 習題 14439 第 15 章 灰色繫統預測 441 < 作者介紹
序言
" |