思维导图备注

SciPy Lecture Notes 中文版（Python科学计算生态的介绍的中文翻译）
首页 白天 夜间 BookChat 小程序 小程序 阅读
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

2.8.7 Further Reading and References

 来源:cloga 浏览 361 扫码 分享 2020-03-15 10:55:03
  • 2.8.7 Further Reading and References

    2.8.7 Further Reading and References

    Gaël Varoquaux关于避免数据复制的博客给出了一些如何精明的处理内存管理的见解。如果你在大数据量时出现问题，可以回到这里寻找一些灵感。

    当前内容版权归 cloga 或其关联方所有，如需对内容或内容相关联开源项目进行关注与资助，请访问 cloga .
    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 介绍
    • 1.1 科学计算工具及流程
      • 1.1.1 为什么是Python？
      • 1.1.2 Python科学计算的构成
      • 1.1.3 交互工作流：IPython和文本编辑器
    • 1.2 Python语言
      • 1.2.1 第一步
      • 1.2.2 基础类型
        • 1.2.2.1 数值类型
        • 1.2.2.2 容器
      • 1.2.3 流程控制
        • 1.2.3.1 if/elif/else
        • 1.2.3.2 for/range
        • 1.2.3.3 while/break/continue
        • 1.2.3.4 条件表达式
        • 1.2.3.5. 高级循环
      • 1.2.4. 定义函数
        • 1.2.4.1 函数的定义
        • 1.2.4.2 返回语句
        • 1.2.4.3 参数
        • 1.2.4.4 值传递
        • 1.2.4.5 全局变量
        • 1.2.4.6 可变数量参数
        • 1.2.4.7 Docstrings
        • 1.2.4.8 函数作为对象
        • 1.2.4.9 方法
        • 1.2.4.10. 练习
    • 1.3 NumPy：创建和操作数值数据
      • 1.3.1 Numpy 数组对象
        • 1.3.1.1 什么是Numpy以及Numpy数组？
        • 1.3.1.2 创建数组
        • 1.3.1.3基础数据类型
        • 1.3.1.4基本可视化
        • 1.3.1.6 副本和视图
      • 1.3.2 数组的数值操作
        • 1.3.2.1 元素级操作
        • 1.3.2.2 基础简化
        • 1.3.2.3 广播
        • 1.3.2.4数组形状操作
        • 1.3.2.5 数据排序
        • 1.3.2.6 总结
      • 1.3.3 数据的更多内容
        • 1.3.3.1 更多的数据类型
        • 1.3.3.2 结构化的数据类型
        • 1.3.3.3 面具数组（maskedarray）: 处理缺失值（的传播）
      • 1.3.4 高级操作
        • 1.3.4.1. 多项式
        • 1.3.4.2 加载数据文件
      • 1.3.5 一些练习
        • 1.3.5.1 数组操作
        • 1.3.5.2 图片操作：给Lena加边框
        • 1.3.5.3 数据统计
        • 1.3.5.4 粗略积分估计
        • 1.3.5.5 Mandelbrot集合
        • 1.3.5.6 马尔科夫链
    • 1.4 Matplotlib：绘图
      • 1.4.1 简介
      • 1.4.2 简单绘图
        • 1.4.2.1 用默认设置绘图
        • 1.4.2.2 默认值示例
        • 1.4.2.3 改变颜色和线宽度
        • 1.4.2.4 设置极值
        • 1.4.2.5 设置坐标轴刻度值
        • 1.4.2.6 设置刻度标签
        • 1.4.2.7 移动脊柱
        • 1.4.2.8 添加图例
        • 1.4.2.9 标注一些点
        • 1.4.2.10 细节是魔鬼
      • 1.4.3 图形、子图、轴和刻度
        • 1.4.3.1 图形
        • 1.4.3.2 子图
        • 1.4.3.3 轴
        • 1.4.3.4 刻度
      • 1.4.4 其他类型的图形：例子与练习
        • 1.4.4.1 常规图形
        • 1.4.4.2 散点图
        • 1.4.4.3 柱状图
        • 1.4.4.4 轮廓图
        • 1.4.4.5 Imshow
        • 1.4.4.6 饼图
        • 1.4.4.7 梯度图
        • 1.4.4.8 网格
        • 1.4.4.9 多图
        • 1.4.4.10 极坐标系
        • 1.4.4.11 3D绘图
        • 1.4.4.12 文本
      • 1.4.5 这本教程之外
        • 1.4.5.1 教程
        • 1.4.5.2 Matplotlib文档
        • 1.4.5.3 代码文档
        • 1.4.5.4 画廊
        • 1.4.5.5 邮件列表
      • 1.4.6 快速参考
    • 1.5 Scipy：高级科学计算
      • 1.5.1 文件输入/输出：scipy.io
      • 1.5.2 特殊函数：scipy.special
      • 1.5.3 线性代数操作：scipy.linalg
      • 1.5.4 快速傅立叶变换：scipy.fftpack
      • 1.5.5 优化及拟合：scipy.optimize
      • 1.5.6. 统计和随机数：scipy.stats
      • 1.5.7 插值：scipy.interpolate
      • 1.5.8 数值积分：
      • 1.5.9 信号处理：scipy.signal
      • 1.5.10 图像处理：scipy.ndimage
      • 1.5.11 科学计算的总结练习
    • 1.6 获取帮助及寻找文档
    • 2.1 Python高级功能（Constructs）
      • 2.1.1 迭代器、生成器表达式和生成器
        • 2.1.1.5 生成器链
        • 2.1.1.1 迭代器
        • 2.1.1.2 生成器表达式
        • 2.1.1.3 生成器
        • 2.1.1.4 双向沟通
      • 2.1.2 修饰器
        • 2.1.2.8 更多例子和阅读
        • 2.1.2.1 替换或调整原始对象
        • 2.1.2.2 像类和函数一样实现修饰器
        • 2.1.2.3 复制原始函数的文档字符串和其他属性
        • 2.1.2.4 标准类库中的实例
        • 2.1.2.5 函数废弃
        • 2.1.2.6 A while-loop删除修饰器
        • 2.1.2.7 插件注册系统
      • 2.1.3 上下文管理器
        • 2.1.3.1 捕捉异常
        • 2.1.3.2 使用生成器定义上下文管理器
    • 2.2 高级Numpy
      • 2.2.1 ndarray的一生
        • 2.2.1.1 它是…
        • 2.2.1.2 内存块
        • 2.2.1.3 数据类型
        • 2.2.1.4 索引体系：步幅
        • 2.2.1.5 剖析上的发现
      • 2.2.2 通用函数
        • 2.2.2.1 他们是什么？
        • 2.2.2.2 练习：从0开始构建一个ufunc
        • 2.2.2.4 广义ufuncs
      • 2.2.3 互操性功能
        • 2.2.3.1 多维度类型数据贡献
        • 2.2.3.2 旧的buffer协议
        • 2.2.3.3 旧的buffer协议
        • 2.2.3.4 数组接口协议
      • 2.2.4 数组的兄弟：chararray、maskedarray、matrix
        • 2.2.4.1 chararray：: 向量化字符操作
        • 2.2.4.2 masked_array缺失数据
        • 2.2.4.3 recarray：仅仅方便
        • 2.2.4.4 矩阵：方便？
      • 2.2.5 总结
      • 2.2.6 为Numpy/Scipy做贡献
    • 2.3 代码除错
      • 2.3.1 避免bugs
      • 2.3.2 除错工作流
      • 2.3.3 使用Python除错器
      • 2.3.4 用gdb除错段错误（segmentation faults）
    • 2.4 代码优化
      • 2.4.1 优化工作流
      • 2.4.2剖析Python代码
      • 2.4.3 让代码更快
      • 2.4.4 写更快的数值代码
    • 2.5 SciPy中稀疏矩阵
      • 2.5.1 介绍
      • 2.5.2 存储机制
        • 2.5.2.1 通用方法
        • 2.5.2.2 稀疏矩阵类
        • 2.5.2.3 总结
    • 2.6 使用Numpy和Scipy进行图像操作及处理
      • 2.6.1 打开和写入图像文件
      • 2.6.2 显示图像
      • 2.6.3 基础操作
      • 2.6.4 图像过滤
      • 2.6.6 测量对象属性: ndimage.measurements
    • 2.7 数学优化：找到函数的最优解
      • 2.7.1 了解你的问题
      • 2.7.2 不同最优化方法的回顾
        • 2.7.2.1 入门: 一维最优化
        • 2.7.2.2 基于梯度的方法
        • 2.7.2.3 牛顿和拟牛顿法
        • 2.7.2.4 较少梯度方法
        • 2.7.2.5 全局最优化算法
      • 2.7.3 使用scipy优化的现实指南
      • 2.7.4 特殊案例: 非线性最小二乘
      • 2.7.5 有限制条件的优化
    • 2.8 与C进行交互
      • 2.8.1 简介
      • 2.8.2 Python-C-Api
      • 2.8.3. Ctypes
      • 2.8.4 SWIG
      • 2.8.5 Cython
      • 2.8.7 Further Reading and References
      • 2.8.8 练习
    • 3.1 Python中的统计学
      • 3.1.1 数据表征和交互
        • 3.1.1.1 数据作为表格
        • 3.1.1.2 panda data-frame
      • 3.1.2 假设检验: 比较两个组
      • 3.1.3 线性模型、多因素和因素分析
        • 3.1.3.1 用“公式” 来在Python中指定统计模型
        • 3.1.3.2 多元回归: 包含多因素
        • 3.1.3.3 事后假设检验: 方差分析 (ANOVA))
      • 3.1.4 更多可视化: 用seaborn来进行统计学探索
      • 3.1.5 交互作用检验
      • 3.1.6 完整例子
    • 3.2 Sympy：Python中的符号数学
      • 3.2.1 SymPy第一步
      • 3.2.2 代数运算
      • 3.2.2.2 化简
      • 3.2.3 微积分
        • 3.2.3.1 极限
        • 3.2.3.2 微分法
        • 3.2.3.3 序列展开
        • 3.2.3.4 积分法
      • 3.2.4 方程求解
        • 3.2.4.1 练习
      • 3.2.5 线性代数
        • 3.2.5.2 微分方程
    • 3.3 Scikit-image：图像处理
      • 3.3.1 介绍和观点
      • 3.3.2 输入/输出, 数据类型和颜色空间
    • 3.4 Traits：创建交互对话
      • Python中高级程序员
      • 3.4.1 介绍
      • 3.4.2 例子
      • 3.4.3 Traits是什么
    • 3.5 使用Mayavi进行3D作图
    • 3.6 scikit-learn：Python中的机器学习
      • 3.5.1 加载样例数据集
      • 3.5.2 分类
      • 3.5.3 聚类 : 将观察值分组
      • 3.5.4 使用主成分分析的降维
      • 3.5.5 把所有的东西放在一起: 面孔识别
      • 3.5.6 线性模型: 从回归到简约
      • 3.5.7 模型选择: 选择预测器及其参数
    暂无相关搜索结果！

      本文档使用 BookStack 构建

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      • 普通下载
      • 下载码下载(免登录无限下载)
      你与大神的距离，只差一个APP
      APP下载
      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档
      温馨提示 每天每在网站阅读学习一分钟时长可下载一本电子书，每天连续签到可增加阅读时长
      下载码方式下载：免费、免登录、无限制。 免费获取下载码

      微信小程序阅读

      BookChat 微信小程序阅读
      您与他人的薪资差距，只差一个随时随地学习的小程序

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度