優雅的SciPy｜Python科學研究的美學

Table of contents

1. 封面
2. 書名頁
3. 授權聲明頁
4. 目錄
5. 前言 (1/4)
6. 前言 (2/4)
7. 前言 (3/4)
8. 前言 (4/4)
9. 第一章 優雅的NumPy： 科研界Python的基礎
10. 數據介紹：什麼是基因表現？
11. NumPy N維陣列
12. 為何用ndarray不用Python list？
13. 向量化
14. 廣播
15. 基因表現資料集
16. 用pandas讀取資料
17. 正規化
18. 個體正規化
19. 基因正規化
20. 對樣本和基因作正規化：RPKM (1/2)
21. 對樣本和基因作正規化：RPKM (2/2)
22. 本章回顧
23. 第二章 NumPy和SciPy的 百分位正規化
24. 取得資料
25. 個體的基因表達分布差異
26. 雙分群計數資料
27. 視覺化群
28. 預測生存率
29. 更進一步：使用TCGA的病患分群
30. 更進一步：製作TCGA的分群
31. 第三章 用ndimage處理 影像區域關係
32. 影像就是NumPy陣列
33. 練習題：加入格線
34. 訊號處理中的濾波
35. 影像濾波（2維濾波器）
36. 通用濾波器：鄰值的功能
37. 練習題：康威的生命遊戲
38. 練習題：索貝爾梯度量值
39. 圖和NetworkX函式庫
40. 練習題：用SciPy繪製貼合曲線
41. 影像區塊分割
42. ndimage：如何從圖片分割建立圖？
43. 整合實作：平均色彩分割
44. 第四章 頻率和快速傅立葉轉換
45. 什麼是頻率？
46. 實例：鳥歌頻譜
47. 歷史
48. 實作
49. 選擇DFT的長度
50. 更多關於DFT的觀念
51. 頻率和它們的順序
52. 視窗
53. 真實應用：分析雷達資料 (1/2)
54. 真實應用：分析雷達資料 (2/2)
55. 頻率域上的訊號特性
56. 套用視窗
57. 雷達影像
58. FFT的更多應用
59. 延伸閱讀
60. 練習題：影像卷積
61. 第五章 使用稀疏座標矩陣的列聯表
62. 列聯表
63. 練習題：列聯矩陣的計算複雜度
64. 練習題：計算列聯矩陣的另一種演算法
65. 練習題：多種分類的列聯矩陣
66. scipy.sparse資料格式
67. COO格式
68. 練習題：COO的表示方法
69. 壓縮稀疏列格式
70. 稀疏矩陣的應用：照片轉換
71. 練習題：照片旋轉
72. 回到列聯表
73. 練習題：減少記憶體使用
74. 用在影像分區的列聯表
75. 簡單說明資訊理論
76. 練習題：計算條件熵
77. 影像分區的理論理論：資訊變異性
78. 將使用NumPy陣列程式碼改為稀疏矩陣
79. 利用資訊變異性 (1/2)
80. 利用資訊變異性 (2/2)
81. 延伸工作：實作影像分區
82. 第六章 SciPy中的線性代數
83. 線性代數基礎概念
84. 圖中的拉普拉思矩陣
85. 練習題：旋轉矩陣 (1/2)
86. 練習題：旋轉矩陣 (2/2)
87. 拉普拉斯和腦資料
88. 練習題：關聯視圖
89. 練習挑戰題：稀疏矩陣線性代數
90. PageRank：線性代數應用在評等和重要性上
91. 練習題：處理不定值
92. 練習題：評估不同的特徵向量方法
93. 結論說明
94. 第七章 Scpy中的函式最佳化
95. SciPy的最佳化：scipy.optimize
96. 一個範例：計算影像位移最佳化
97. 影像旋轉和最佳化
98. 用Basin Hopping避免本地最小值
99. 練習題：修改對齊函式
100. “什麼是最好的？”：請選擇正確目標函式
101. 第八章 在小電腦中用Toolz 處理大數據
102. 用yield作串流
103. Toolz串流函式庫
104. k-mer計數和錯誤修正
105. 柯里化：串流的調味
106. 回到k-mer
107. 練習題：串流資料的PCA
108. 完整基因的Markov模型
109. 練習題：串流解壓縮
110. 結語
111. 附錄
112. 練習題解答
113. 索引 (1/2)
114. 索引 (2/2)
115. 關於作者
116. 出版記事