エレガントな SciPy

出版日
ページ数
272
説明

科学のための Python ライブラリである SciPy とその関連ライブラリを取り扱った書籍です。

公式では「単純にライブラリの使い方を学べるだけでなく、豊富なサンプルを通して実践的に使えるエレガントなコードの書き方を学ぶことができます」と紹介されています。

訳書で、オリジナルのタイトルは「 Elegant SciPy: The Art of Scientific Python 」です。 オリジナルのものですが、公式の GitHub リポジトリ・グループもあるようなので、興味があって購入を迷われている方はそちらを覗いてみるとよいかもしれません。

目次
まえがき 1章 エレガントな NumPy :科学 Python の基礎 1.1 データの紹介:遺伝子発現とは 1.2 NumPy の N 次元配列 1.3 遺伝子発現データセットの探索 1.4 正規化 1.5 まとめ 2章 NumPy と SciPy を用いた分位数正規化 2.1 データの取得 2.2 遺伝子発現分布の標本差 2.3 リード数データのバイクラスタリング 2.4 クラスタの可視化 2.5 生存率予測 3章 ndimage を使った画像領域のネットワーク 3.1 画像は単なる NumPy 配列 3.2 信号処理で使うフィルタ 3.3 画像のフィルタリング( 2 次元フィルタ) 3.4 汎用フィルタ:近傍データの任意の関数 3.5 グラフと NetworkX ライブラリ 3.6 領域隣接グラフ 3.7 エレガントな ndimage :画像領域からグラフを構築する方法 3.8 すべてのまとめ:平均の色を用いた領域分割 4章 周波数と高速フーリエ変換 4.1 周波数とは 4.2 応用例:鳥のさえずりのスペクトログラム 4.3 歴史 4.4 実装 4.5 DFT の長さを決定する 4.6 さらなる DFT の概念 4.7 実世界の応用例:レーダデータの解析 5章 疎行列を用いた分割表 5.1 分割表 5.2 scipy.sparse のデータ形式 5.3 疎行列の適用例:画像変換 5.4 分割表再び 5.5 セグメンテーションにおける分割表 5.6 情報理論の概要 5.7 セグメンテーションにおける情報理論:情報変化量 5.8 疎行列を使うように NumPy 配列のコードを変換する 5.9 情報変化量の使い方 6章 SciPy で行う線形代数 6.1 線形代数の基本 6.2 グラフのラプラシアン行列 6.3 脳データのラプラシアン 6.4 ページランク:評判と重要度のための線形代数 6.5 まとめ 7章 SciPy を使って関数を最適化する 7.1 SciPy の最適化関数: scipy.optimize 7.2 optimize を使った画像のレジストレーション 7.3 ベイスン-ホッピング法で極小値を避ける 7.4 「何が最適か?」:適切な目的関数の選び方 8章 Toolz を使って小さなノートパソコンでビッグデータを処理する方法 8.1 yield を使ったストリーミング 8.2 ストリーミングライブラリToolzの紹介 8.3 k-mer のカウントとエラー補正 8.4 カリー化:ストリーミングのスパイス 8.5 k-mer のカウント再び 8.6 全ゲノムを基にマルコフモデルを作成する 付録 演習の解答 A.1 解答:グリッドオーバーレイを追加する A.2 解答: Conway のライフゲーム A.3 解答:ソーベル勾配の大きさ A.4 解答: SciPy を使った曲線回帰 A.5 解答:画像の畳み込み A.6 解答:対応行列の計算複雑性 A.7 解答:対応行列を計算する別のアルゴリズム A.8 解答:多クラス対応行列 A.9 解答: COO を使った表現 A.10 解答:画像の回転 A.11 解答:必要なメモリ容量を減らす A.12 解答:条件付きエントロピーの計算 A.13 解答:回転行列 A.14 解答:神経細胞の接続の近さを表す図を描く A.15 解答:ぶら下がりノードの処理法 A.16 解答:手法の検証 A.17 解答: align 関数を修正する A.18 解答: scikit-learn ライブラリ A.19 解答:パイプの最初の部分に1段階追加する エピローグ E.1 次の目標 E.2 SciPy の向こう E.3 本書に寄与する方法 E.4 また会う日まで 索引
紹介( powered by openBD

Pythonで科学計算を行うための知識とテクニック、明確かつ効率的なコーディング方法を紹介!
豊富な数学関連、科学関連のライブラリを持つPythonは、現在では多くの科学分野で使われています。本書では、実際の科学データとSciPy、NumPy、pandas、scikit-imageといった科学ライブラリを使って実際の問題を解決する作業を通じて、数学的計算の基礎となるデータ構造のNumPy配列を使いこなし、科学計算の「明確かつ簡潔かつ効率的でエレガントなコード」の書き方を学ぶことができます。掲載コードとデータ、環境、ツールはすべて本書のGitHubから利用可能です。Python 3.6対応。