推薦序
前言
01 Python 科學計算環境的安裝與簡介
1.1 Python 簡介
1.2 IPython Notebook 入門
1.3 擴充函數庫介紹
02 NumPy – 快速處理資料
2.1 ndarray 物件
2.2 ufunc 函數
2.3 多維陣列的索引存取
2.4 龐大的函數程式庫
2.5 實用技巧
03 SciPy – 數值計算函數庫
3.1 常數和特殊函數
3.2 擬合與最佳化-optimize3.3 分支與循環
3.3 線性代數-linalg
3.4 統計-stats
3.5 數值積分-integrate
3.6 訊號處理-signal
3.7 內插-interpolate
3.8 稀疏矩陣-sparse
3.9 影像處理-ndimage
3.10 空間演算法函數庫-spatial
04 matplotlib – 繪製精美的圖表
4.1 快速繪圖
4.2 Artist 物件
4.3 座標轉換和註釋
4.4 塊、路徑和集合
4.5 繪圖函數簡介
4.6 matplotlib 技巧集
05 Pandas – 方便的資料分析函數庫
5.1 Pandas 中的資料物件
5.2 索引存取
5.3 檔案的輸入輸出
5.2 模組化驅動測試實例
5.3 資料驅動測試實例
5.4 數值運算函數
5.5 時間序列
5.6 分組運算
5.7 資料處理和視覺化實例
06 SymPy – 符號運算好幫手
6.1 從實例開始
6.2 數學運算式
6.3 符號運算
6.4 輸出符號運算式
6.5 機械運動模擬
07 Traits & TraitsUI – 輕鬆製作圖形介面
7.1 Traits 類型入門
7.2 Trait 類型
7.3 TraitsUI 入門
7.4 用Handler 控制介面和模型
7.5 屬性編輯器
7.6 函數曲線繪製工具
08 TVTK 與Mayavi – 資料的3D 視覺化
8.1 VTK 的管線(Pipeline)
8.2 資料集
8.3 TVTK 的改進
8.4 TVTK 視覺化實例
8.5 用mlab 快速繪圖
8.6 將TVTK 和Mayavi 嵌入介面
09 OpenCV- 影像處理和電腦視覺
9.1 影像的輸入輸出
9.2 影像處理
9.3 影像轉換
9.4 影像識別
9.5 形狀與結構分析
9.6 類型轉換
10 Cython – 編譯Python 程式
10.1 設定編譯器
10.2 Cython 入門
10.3 高效處理陣列
10.4 使用Python 標準物件和API
10.5 擴充類型
10.6 Cython 技巧集
11 實例
11.1 使用卜松混合合成影像
11.2 經典力學模擬
11.3 推薦演算法
11.4 頻域訊號處理
11.5 布林可滿足性問題求解器
11.6 分形