Python實現(xiàn)教程——新工科過程計算與優(yōu)化
定 價：88 元
當前圖書已被 7 所學校薦購過！
查看明細
- 作者：方利國、方曦 編著
- 出版時間：2024/5/1
- ISBN：9787122449566
- 出 版 社：化學工業(yè)出版社
- 中圖法分類：TP311.561
- 頁碼：372
- 紙張：
- 版次：01
- 開本：16開
本書是關于Python 基礎知識與實踐應用的入門教程。全書以案例為導向，以實用為準則，在遵循Python 語言簡潔、高效、優(yōu)雅的前提下，介紹了Python 語言的基礎知識及其利用Python 語言進行科學計算、統(tǒng)計分析、數(shù)據(jù)可視化、人工智能、機器學習及圖形用戶界面開發(fā)方面的知識。全書程序代碼為作者多年來從事計算機軟件開發(fā)的經(jīng)驗總結，具有較強的實用性，可通過郵箱lgfang@scut.edu 聯(lián)系作者免費索取。本書有關慕課內容及PPT 課件將陸續(xù)上傳到作者的學堂在線《計算機輔助設計》課程上，歡迎大家選課學習。
本書可作為非計算機專業(yè)本科生和研究生計算機應用課程教材，也可以作為從事計算機應用及人工智能方面科技人員的參考書；有關章節(jié)頁可以作為一般人員學習Python 語言入門教程。
方利國，華南理工大學，副教授 系副主任，本人長期計算機在化學化工方面的應用研究，發(fā)表各種論文40余篇，申請國家專利10項，目前已獲國家授權專利8項，其中發(fā)明2項。碩士論文和博士論文選題均與計算機應用有關。目前已積累豐富的有關化工制圖及計算機輔助設計的素材，從事本科生教學已達20年左右，長期主講計算機輔助設計、能源概論、化工系統(tǒng)工程、化工過程分析與合成、化工微機應用、化工企業(yè)管理、化工儀表與自動化等課程，具有豐富的教學經(jīng)驗，多次獲得華南理工大學優(yōu)秀教學獎，分別教研論文10篇。
第1章 Python入門基礎 001-087
【本章導讀】 001
1.1 Python 概述 001
1.1.1 發(fā)展歷史 001
1.1.2 安裝與啟動 002
1.1.3 運行與編碼模式 008
1.1.4 變量與常量 008
1.1.5 數(shù)據(jù)及數(shù)據(jù)類型 010
1.2 Python 基本運算符及函數(shù) 028
1.2.1 基本運算符 028
1.2.2 常用函數(shù) 030
1.2.3 數(shù)組創(chuàng)建及運算 047
1.2.4 矩陣運算 062
1.3 Python 程序運行與控制結構 064
1.3.1 順序結構 064
1.3.2 循環(huán)結構 064
1.3.3 選擇結構 067
1.4 Python 常用標準庫和第三方庫 070
1.4.1 time 和calendar 070
1.4.2 sys 和os 072
1.4.3 math 和random 073
1.4.4 NumPy 庫 073
1.4.5 SymPy 庫 074
1.4.6 SciPy 庫 075
1.4.7 Matplotlib 庫 077
1.4.8 Skimage 庫 078
1.4.9 Turtle 庫 079
1.4.10 Pyinstaller 庫 082
1.4.11 GUI 庫 083
1.4.12 數(shù)據(jù)統(tǒng)計與分析庫 086
1.4.13 OpenCV 庫 086
1.4.14 Sklearn 087
1.5 Python 前景展望 087
本章重點知識 087
習題 087
第2章 數(shù)據(jù)圖形繪制 088-133
【本章導讀】 088
2.1 數(shù)據(jù)圖形繪制概述 088
2.2 布局設置 090
2.2.1 單個axes 布局 090
2.2.2 subplot(ijn) 布局 092
2.2.3 subplots(nrows,ncols,*,**)布局 092
2.2.4 fig.add_axes()布局 093
2.2.5 subplot2grid()布局 094
2.2.6 圖中圖布局 096
2.3 各種圖形繪制函數(shù) 096
2.3.1 繪制函數(shù) 096
2.3.2 綜合應用例子 113
2.4 界面細節(jié)設置 114
2.4.1 文字設置 115
2.4.2 坐標軸設置 116
2.4.3 網(wǎng)格設置（網(wǎng)格線型、線寬） 118
2.4.4 線型線寬設置 119
2.4.5 顏色設置 120
2.4.6 數(shù)據(jù)點標記設置 120
2.4.7 文本標注 121
2.4.8 箭頭文本 121
2.4.9 共享坐標軸 122
2.4.10 圖例設置 123
2.5 實際案例繪制 124
2.5.1 多根函數(shù)繪制 125
2.5.2 離心泵性能曲線繪制 125
2.5.3 二維函數(shù)值色圖繪制 127
2.5.4 地殼元素含量餅狀圖繪制 129
2.6 3D 圖像繪制 130
2.7 二維繪制命令在三維空間繪制 131
本章重點知識 133
習題 133
第3章 過程方程求解 134-152
【本章導讀】 134
3.1 超越方程求解 134
3.1.1 基本方法 134
3.1.2 編程求解 136
3.1.3 庫函數(shù)求解 140
3.1.4 實例求解分析 141
3.2 線性方程組求解 143
3.2.1 基本方法 143
3.2.2 編程求解 145
3.2.3 庫函數(shù)求解 145
3.2.4 病態(tài)方程組分析 147
3.3 非線性方程組求解 148
3.3.1 基本方法 148
3.3.2 編程求解 148
3.3.3 庫函數(shù)求解 151
本章重點知識 152
習題 152
第4章 微分方程求解 153-187
【本章導讀】 153
4.1 微分方程應用概述 153
4.2 常微分方程求解 154
4.2.1 基本方法 154
4.2.2 編程求解 156
4.2.3 庫函數(shù)求解 158
4.3 常微分方程組求解 159
4.3.1 基本方法 159
4.3.2 庫函數(shù)求解 161
4.3.3 實例求解 164
4.3.4 邊值問題 165
4.4 偏微分方程求解 168
4.4.1 基本方法 168
4.4.2 編程求解 172
4.4.3 實例應用 175
4.5 庫函數(shù)求解偏微分方程 176
4.5.1 FiPy 庫簡介及安裝 176
4.5.2 FiPy 庫具體應用 177
本章重點知識 186
習題 186
第5章 過程系統(tǒng)優(yōu)化 188-210
【本章導讀】 188
5.1 優(yōu)化問題概述 188
5.1.1 優(yōu)化數(shù)學模型 188
5.1.2 優(yōu)化問題的基本方法 189
5.2 無約束問題優(yōu)化求解 190
5.2.1 單變量函數(shù)優(yōu)化 190
5.2.2 多變量函數(shù)優(yōu)化 195
5.2.3 庫函數(shù)求解無約束問題 197
5.3 線性優(yōu)化求解 201
5.3.1 線性規(guī)劃概述 201
5.3.2 線性規(guī)劃通用模型 201
5.3.3 線性規(guī)劃庫函數(shù)求解 201
5.3.4 靈敏度分析 203
5.4 非線性規(guī)劃求解 205
5.4.1 非線性規(guī)劃求解基本方法 205
5.4.2 非線性規(guī)劃庫函數(shù)優(yōu)化求解 206
本章重點知識 210
習題 210
第6章 模型參數(shù)擬合及辨識 211-235
【本章導讀】 211
6.1 參數(shù)擬合及辨識的標準 211
6.1.1 問題的提出 211
6.1.2 標準的確定 212
6.2 單變量擬合 213
6.2.1 基本方法 213
6.2.2 庫函數(shù)擬合 217
6.2.3 靈活應用 218
6.3 多變量擬合 220
6.3.1 基本方法 221
6.3.2 庫函數(shù)擬合 221
6.3.3 靈活應用 223
6.4 過程參數(shù)辨識 224
6.4.1 問題提出 224
6.4.2 求解策略 225
6.4.3 編程求解 225
6.5 解矛盾方程 233
6.5.1 問題的提出 233
6.5.2 實例求解 233
本章重點知識 234
習題 234
第7章 Python圖形用戶界面開發(fā) 236-261
【本章導讀】 236
7.1 圖形用戶界面開發(fā)概述 236
7.2 Python 常用圖形用戶界面開發(fā)庫 236
7.3 PyQt5 圖形用戶界面開發(fā) 237
7.3.1 開發(fā)環(huán)境搭建 237
7.3.2 PyQt5 主要功能及入門 241
7.3.3 幾個簡單的GUI 設計 243
7.4 復雜用戶界面開發(fā)應用實例 257
7.4.1 方程求解及過程優(yōu)化系統(tǒng)開發(fā) 257
7.4.2 實驗數(shù)據(jù)處理及圖像繪制系統(tǒng)開發(fā) 259
本章重點知識 260
習題 261
第8章 數(shù)據(jù)統(tǒng)計與分析 262-295
【本章導讀】 262
8.1 數(shù)據(jù)統(tǒng)計與分析概述 262
8.1.1 數(shù)據(jù) 262
8.1.2 統(tǒng)計 263
8.1.3 數(shù)據(jù)分析 263
8.2 Pandas 庫 263
8.2.1 Pandas 庫簡介 263
8.2.2 Series 數(shù)據(jù)結構 264
8.2.3 DataFrame 數(shù)據(jù)結構 270
8.2.4 時序數(shù)據(jù) 279
8.3 Seaborn 庫統(tǒng)計圖形繪制 282
8.3.1 Seaborn 庫概述 282
8.3.2 Seaborn 庫圖形繪制 282
8.4 Statsmodels 庫統(tǒng)計分析應用 290
8.4.1 Statsmodels 庫概述 290
8.4.2 Statsmodels 庫統(tǒng)計分析 290
本章重點知識 295
習題 295
第9章 圖像處理 296-327
【本章導讀】 296
9.1 圖像處理概述 296
9.1.1 圖像 296
9.1.2 圖像處理 296
9.1.3 圖像處理常用第三方庫 297
9.2 OpenCV 圖像處理基礎 299
9.2.1 圖像讀入與顯示 299
9.2.2 圖像數(shù)據(jù)獲取 300
9.2.3 三通道分離與合并 301
9.2.4 圖像數(shù)據(jù)簡單處理 302
9.3 圖像處理基本函數(shù) 303
9.3.1 圖像顏色數(shù)據(jù)直方圖函數(shù) 303
9.3.2 圖像顏色閾值處理函數(shù) 304
9.3.3 自適應閾值函數(shù) 306
9.3.4 圖像形態(tài)學函數(shù) 307
9.3.5 圖像幾何處理函數(shù) 310
9.3.6 幾種繪制輪廓的函數(shù) 312
9.4 機器學習及圖像處理基礎 314
9.4.1 機器學習定義 314
9.4.2 機器學習分類 314
9.4.3 機器學習算法開發(fā)步驟 315
9.4.4 k 均值聚類算法 316
9.4.5 K-近鄰算法 324
本章重點知識 327
習題 327
第10章 Python智能算法實戰(zhàn) 328-371
【本章導讀】 328
10.1 智能算法概述 328
10.2 人工神經(jīng)網(wǎng)絡算法 329
10.2.1 神經(jīng)網(wǎng)絡的基本原理 329
10.2.2 BP 神經(jīng)網(wǎng)絡 332
10.2.3 BP 神經(jīng)網(wǎng)絡物性估算實例求解 340
10.2.4 方法展望 342
10.3 遺傳算法 343
10.3.1 算法基本原理 343
10.3.2 遺傳算法實現(xiàn)流程圖 343
10.3.3 實例求解 348
10.3.4 方法展望 354
10.4 模擬退火算法 355
10.4.1 算法基本原理 355
10.4.2 算法實現(xiàn)基本流程 355
10.4.3 實例求解 358
10.4.4 方法展望 360
10.5 粒子算法 361
10.5.1 算法基本原理 361
10.5.2 算法實現(xiàn)步驟 361
10.5.3 實例求解 362
10.5.4 方法展望 364
10.6 蟻群算法 364
10.6.1 算法基本原理 364
10.6.2 算法實現(xiàn)步驟 365
10.6.3 實例求解 368
10.6.4 方法展望 371
本章重點知識 371
習題 371
參考文獻 372
書單推薦
