前言

“我坚信几十年后，科学历史学家会把我们目前所处的时代，描述成科学史上一个具有深远和重大意义的转型期。在这个过程中，不断涌现的免费开源软件扮演了重要角色。”

——Fernando Perez，IPython创始人

本书主要介绍Python用于科学计算的API和工具包。我强烈推荐给奋战在工程计算和科学计算领域的朋友们。科学计算是一个交叉领域，需要计算机科学、数学、自然科学（至少是物理学、化学、环境科学、生物学等学科中的一种）以及工程学的知识。Python包含大量的包、API和工具，为众多科学与工程领域提供所需的功能。

用户众多的社区、丰富齐全的帮助文档、大量的科学计算库和开发环境、高效的性能以及良好的支持，使得Python成为科学计算的极佳选择。

本书内容

第1章，科学计算概况与选择Python的理由，主要介绍科学计算的基本概念，同时介绍Python的背景知识、指导原则以及为何用Python进行科学计算是十分高效的。

第2章，科学工作流和科学计算的结构，主要介绍通常在解决科学问题时需要用到的数学与数值分析概念，还会简单地介绍Python语言为科学计算提供的包、工具和API。

第3章，有效地制造与管理科学数据，主要介绍科学项目相关数据的各个方面，包括基本概念、各种数据操作以及存储数据的格式与软件，还会介绍一些标准数据集和生成合成数据的技术。

第4章，Python科学计算API，主要介绍不同科学计算API和工具（包括NumPy、SciPy和SymPy等）的基本概念、特性以及简单的示例程序，还会简单地介绍使用IPython、matplotlib和pandas进行交互式计算、数据分析以及数据可视化。

第5章，数值计算，主要介绍如何利用Python的NumPy和SciPy包完成数值计算。一开始先介绍数值计算的基础知识，然后介绍优化、插值、傅里叶变换、信号处理、线性代数、统计、空间算法、图像处理、文件输入/输出等进阶知识。

第6章，用Python做符号计算，首先介绍CAS（Computerized Algebra System，计算机化代数系统）的基础知识，并用SymPy实现符号计算。这一章将围绕CAS介绍多个话题，既包括简单的数学表达式和基本的算术运算，也有数学和物理学的高级概念。

第7章，数据分析与可视化，介绍matplotlib和pandas在数据分析与可视化方面的相关概念和应用示例。

第8章，并行与大规模科学计算，介绍实现高性能科学计算的工具和方法，包括IPython（配合MPI）并行计算、使用StarCluster配置Amazon EC2计算集群、多进程与多线程方法、Hadoop和Spark。

第9章，真实案例介绍，介绍一些利用Python开发的科学计算应用、库和工具的案例。这些案例都源自不同的工程和科学领域。

第10章，科学计算的最佳实践，介绍科学计算的最佳实践，内容包括方案设计、代码编写、数据管理、应用部署、高性能计算、数据安全与隐私、应用维护以及客户支持等，同时还会介绍一些专门针对Python开发的最佳实践。

本书需要的工具

运行本书的示例程序首先需要一台装有Python 2.7.9或以上版本的计算机以及Python的一些API、包和工具。然后，需要一些Python库（包括NumPy、SciPy、SymPy、matplotlib、pandas和IPython），还有IPython.parallel包、pyzmq、SSH安全协议（如果你需要）以及Hadoop。

目标读者

本书面向希望了解科学计算的Python程序员。阅读本书的前提是你已经掌握了Python编程的基本概念。

排版约定

在本书里，你将会看到用于区分不同类型信息的文本样式。以下给出了一些文本样式的示例及其含义。

正文中的代码和用户输入会这样显示：“随机模块中的所有函数都是random.Random类的一个隐含实例的方法。”

代码块示例如下：

  1. import random
  2. print random.random()
  3. print random.uniform(1,9)
  4. print random.randrange(20)
  5. print random.randrange(0, 99, 3)
  6. print random.choice('ABCDEFGHIJKLMNOPQRSTUVWXYZ') # Output 'P'
  7. items = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  8. random.shuffle(items)
  9. print items
  10. print random.sample([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 5)
  11. weighted_choices = [('Three', 3), ('Two', 2), ('One', 1), ('Four', 4)]
  12. population = [val for val, cnt in weighted_choices for i in
  13. range(cnt)]
  14. print random.choice(population)

前言 - 图1　这个图标表示警告或重要事项。

前言 - 图2　这个图标表示提示和技巧。

读者反馈

我们非常欢迎读者的反馈。如果你对本书有些想法，有什么喜欢或是不喜欢的，请反馈给我们。这将有助于我们开发出能够充分满足读者需求的图书。

一般的反馈，请发送电子邮件至feedback@packtpub.com，并在邮件主题中注明书名。

如果你在某个领域有专长，并有意编写一本书或是贡献一份力量，请参考我们的作者指南，地址为http://www.packtpub.com/authors。

客户支持

你现在已经是Packt引以为傲的读者了，为了能让你的购买物有所值，我们还为你准备了以下内容。

下载示例代码

你可以用你的账户从http://www.packtpub.com下载所有已购买Packt图书的示例代码文件。如果你从其他地方购买的本书，可以访问http://www.packtpub.com/support并注册，我们将通过电子邮件把文件发送给你。

下载本书的彩色图片

我们也提供了本书的PDF文件，里面包含了本书的截屏和图表等彩色图片。彩色图片将能帮助你更好地理解输出的变化。下载地址：https://www.packtpub.com/sites/default/files/downloads/8823OS.pdf。

勘误

虽然我们已尽力确保本书内容正确，但出错仍旧在所难免。如果你在我们的书中发现错误，不管是文本还是代码，希望能告知我们，我们不胜感激。这样做，你可以使其他读者免受挫败，也可以帮助我们改进本书的后续版本。如果你发现任何错误，请访问http://www.packtpub.com/submit-errata提交，选择你的书，点击勘误表提交表单的链接，并输入详细说明。勘误一经核实，你的提交将被接受，此勘误将上传到本公司网站或添加到现有勘误表。

访问https://www.packtpub.com/books/content/support，在搜索框中输入书名，你也可以在Errata部分查看已经提交的勘误信息。

盗版

版权材料在互联网上的盗版是所有媒体都要面对的问题。Packt非常重视保护版权和许可证。如果你发现我们的作品在互联网上被非法复制，不管以什么形式，都请立即为我们提供位置地址或网站名称，以便我们可以寻求补救。

请把可疑盗版材料的链接发到copyright@packtpub.com。

非常感谢你帮助我们保护作者，以及保护我们给你带来有价值内容的能力。

问题

如果你对本书内容存有疑问，不管是哪个方面，都可以通过questions@packtpub.com联系我们。我们会尽最大努力解决。

电子书

扫描以下二维码，即可购买本书电子版。

{%}