标签
内容简介
《Python科学计算（第2版）》由张若愚编著，是清华大学出版社出版的一本面向科学计算实践的Python工具书，全书约716页、1083千字，附赠光盘中提供各章Jupyter/IPython Notebook实例代码以及作者整合的便携式运行环境WinPython。 全书以“扩展库＋实例”为主线展开：第1章介绍Python科学计算环境搭建、IPython Notebook入门以及各类扩展库的全景概览；第2章系统讲解NumPy的ndarray对象、元素类型、多维数组存取、ufunc函数与广播机制、随机数与统计函数等；第3章介绍SciPy中的特殊函数、非线性方程组求解、最小二乘拟合与最优化；第4章至第6章分别讲matplotlib二维绘图、Pandas数据分析与SymPy符号运算；第7章至第9章覆盖Traits/TraitsUI图形界面、TVTK与Mayavi三维可视化、OpenCV图像处理与计算机视觉；第10章专门讲解Cython编译优化与提速技巧。 第11章“实例”是该书的一大特色，以泊松混合合成图像、经典力学模拟（悬链线、速降线、单摆）、矩阵分解推荐算法、频域信号处理与FFT、布尔可满足性问题求解（数独、扫雷）以及分形生成等完整案例，串起从数值计算、算法实现到可视化呈现的整条链路。第二版相较初版更新了约四成内容，新增IPython Notebook、Pandas、Cython等主题，每章几乎都有较大幅度改写。全书以大量可运行代码和丰富插图减少理论推导，适合工程技术和科研人员边做边学。
编辑推荐
在Python科学计算的中文书里，这本书的地位相当稳固：它不是一本只讲语法的入门书，而是一张“工具地图”，把NumPy、SciPy、matplotlib、Pandas、SymPy、Traits、Mayavi、OpenCV、Cython这些库按“做什么事”串成一条线，读者遇到具体问题能直接翻到对应章节。 第二版的价值在于更新及时——新增了IPython Notebook交互环境、Pandas数据分析与Cython提速的专门章节，并保留了第1版里最有口碑的三维可视化与界面制作内容，每章改动幅度都不小。作者张若愚长期在工业研究机构做信号处理与控制软件开发，书中示例带着明显的工程味：不是玩具代码，而是能跑出图、跑出结果的完整程序。 附赠光盘的Notebook与整合好的WinPython环境，省去了科学计算环境配置中最让人头疼的“装库”环节，对2016年前后刚开始接触Python的读者尤为贴心。Enthought公司CEO Eric Jones作序，也从侧面说明此书在开源科学计算社群中的分量。 需要提醒的是，书中示例基于Python 2时代的环境（IPython Notebook、WinPython），软件生态迭代很快，读者照着跑代码时可能需要做版本适配，建议配合各库当前官方文档一起看。
适合谁读
适合
- 具备Python基础语法、正在做数值计算或数据分析的理工科学生与研究生
- 需要把实验数据快速处理、绘图、做三维展示的科研人员与工程师
- 想用Python替代部分MATLAB工作流、扩展工具箱的程序员
- 希望了解图像处理、界面制作、Cython加速等工程落地方案的开发者
不适合
- 完全没有编程经验、需要从零学习Python语法的零基础读者
- 只关心深度学习框架与模型训练、不涉及数值计算与可视化的读者
- 需要紧跟最新版本API（如新版Pandas、Python 3.12+）的读者，书内环境已较旧
阅读建议
- 先读第1章并装好示例环境，再按“NumPy→SciPy→matplotlib→Pandas”的顺序推进，打牢数据处理的底子。
- 把每一章的Notebook亲手跑一遍，再改参数看输出变化；科学计算的能力多半是在改代码中长出来的。
- 第11章实例可当作综合练习，按兴趣挑一两个（如分形、频域信号处理）完整复现，检验前面章节的掌握程度。
- 书中代码基于较老版本环境，遇到报错时对照各库官方文档做适配，并留意Python 2到Python 3的语法差异。
出版社简介
清华大学出版社
中国 · 成立于 1980 年
清华大学出版社创立于1980年，库内收录图书57种，涵盖科学科普、医学、健康、法律、哲学读物与社科等方向。代表图书既有菠萝（李治中）的《癌症·真相：医生也在读》《癌症·新知》等医学科普作品，也有《阳光是最好的防腐剂：全球反腐大要案快递》等法律类读物，以及七格的《脑洞大开的哲学简史》、刘云浩的《从互联到新工业革命》等。作者资源包括科普作家、医学研究者、中国人民大学反贪硕士班及高校学者，体现出兼顾学术性与大众阅读的出版特色。因公开资料有限，此处仅依据库内图书归纳其出版方向。
目录
- 第1章 Python科学计算环境的安装与简介（Python简介、IPython Notebook入门、扩展库介绍）
- 第2章 NumPy——快速处理数据（ndarray对象、ufunc函数、下标存取、函数库、实用技巧）
- 第3章 SciPy——数值计算库（常数与特殊函数、拟合与优化）
- 第4章 matplotlib——绘制图表
- 第5章 Pandas——数据分析库
- 第6章 SymPy——符号运算库
- 第7章 Traits & TraitsUI——制作图形界面
- 第8章 TVTK与Mayavi——数据的三维可视化
- 第9章 OpenCV——图像处理和计算机视觉
- 第10章 Cython——编译Python程序（扩展类型、Cython技巧集）
- 第11章 实例（泊松混合合成图像、经典力学模拟、推荐算法、频域信号处理、布尔可满足性问题求解器、分形）
常见问题
这本书有没有配代码和运行环境？
有。第2版附赠光盘，内含各章Notebook实例代码以及作者整合的便携式运行环境WinPython，可直接运行书中示例，省去逐一安装NumPy、SciPy等扩展库的麻烦。
读这本书需要什么基础？
作者在前言中给出了自检清单：需要了解import、for/while循环、if判断、函数定义，熟悉列表、字典、元组、字符串等类型和基本的类与继承语法，并具备C语言基础，这样阅读实例代码会比较顺畅。
第二版和第一版有什么区别？
第二版于2016年出版，更新内容约四成：新增IPython Notebook、Pandas数据分析库和Cython编译优化章节，保留并大幅修订NumPy、SciPy、matplotlib、Traits、TVTK/Mayavi等章节，实例部分也换成图像处理、推荐系统、扫雷等多个新案例。
书里的例子现在还能跑通吗？
这些示例最初面向Python 2时代的IPython Notebook和WinPython环境，如今部分库的API已有变化，直接运行可能报错。建议以书中思路为主，按当前版本官方文档调整少量语法与函数名。
这本书适合替代MATLAB吗？
书中前言专门比较了Python与MATLAB：Python免费开源、通用性更强、可与其他系统集成，大部分常用功能都有对应扩展库。若工作主要依赖MATLAB的专业工具箱，仍需具体评估，但用Python搭建数据处理与可视化流程是可行的。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
张若愚
作者
张若愚，目前关于其个人的公开资料有限，尚无法确认其国籍、生卒年及教育背景等信息。从库内收录的作品来看，他写有《沦陷时期大生纱厂研究》一书，该书被归入历史读物类别。这部作品以沦陷时期的大生纱厂为研究对象，属于近代中国企业史与地方史相交织的专题研究，通常需要依托档案、报刊、厂志等原始材料展开细致考察。由此可以推想，其写作偏重史实梳理与个案分析，关注特定历史情境下企业的经营实态与命运变迁。对于希望了解近代民族工业在战乱年代处境的读者，这类选题具有一定参考价值。由于作者名下库内作品仅此一种，其整体写作风格与研究范围仍有待更多资料加以呈现。
