کتاب Numerical Python از جدیدترین کتاب‌های آموزش زبان پایتان در زمینه‌های مختلف همانند پردازش داده، آمار و تحلیل، یادگیری ماشین و چندین موضوع مختلف و به روز کامپیوتر است. این کتاب به شرح و آموزش موارد مختلف آمار و ریاضیات در زبان پایتان با مثال‌های عملی می‌پردازد.
یکی از اصلی‌ترین کتاب‌خانه‌های زبان پایتان بسته نرم‌افزاری NumPy می‌باشد که برای کار با ریاضیات و آمار بسیار مورد کاربرد قرار می‌گیرد. همچنین بسته نرم‌افزاری SciPy نیز برای کاربرد های مختلف جبری و خطی به کاربرده می‌شود که در این کتاب به طور مفصل توضیح داده شده است. علاوه بر این دوم بسته، بسته‌ی Matplotlib که از معروف‌ترین بسته‌های پایتون برای نمودارهای آماری و ریاضیات است در این کتاب، شرح و تحلیل آن با مثال‌های مختلف صورت گرفته است.
کتاب Numerical Python جدیدترین نسخه منتشر شده تا کنون و در سال 2019 بوده و یکی از پرمخاطب‌ترین کتاب‌های یادگیری زبان پایتان برای کارهای علمی می‌باشد.
NumPy چیست و چه کاربردی دارد؟
نام‌پای (NumPy) یک بستهٔ نرم‌افزاری قابل افزودن به پایتون است که کاربرد اصلی‌اش در مقاصد علمی و برای کار با اعداد است. پایتون به صورت پیش‌فرض تنها از آرایه‌ها و متغیرها برای عملیات ریاضی ساده پشتیبانی می‌کند. بستهٔ نام‌پای ویژهٔ کار با اعداد از راه ماتریس‌ها و آرایه‌های چندبعدی طراحی شده است. از ویژگی‌های آرایه‌ها در نام‌پای این است که می‌توان اندازهٔ آن‌ها به صورت پویا تغییر داد که این امر به افزایش سرعت برنامه‌نویسی کمک می‌کند.
نام‌پای را می‌توان بستهٔ بنیادی پایتون برای محاسبات علمی دانست، این بسته افزون بر فراهم‌آوردن قابلیت کار با آرایه‌های اِن-بعدی، عملگرهای درایه به درایه و عملگرهای اصلی جبر خطی، قابلیت لفاف‌پیچی کدهای سی، سی++ و فورترن را ممکن می‌سازد.
با استفاده از آرایه‌های ان‌بعدی (ndarray) نام‌پای، می‌توان بر محدودیت‌های لیست‌های پایتون (list) که تنها با استفاده از حلقه‌های تکرار می‌توان بر روی آن‌ها کار کرد، غلبه نمود و بازدهی را بالا برد. تنها محدودیت مهم آرایه‌های اِن‌بعدی نام‌پای در مقایسه با لیست‌های پایتون در این است که باید حتماً نوع داده‌های موجود در درایه‌های آن یکسان باشند. در مقابل سرعت انجام عملیاتی که با استفاده از آرایه‌های ان‌بعدی اجرا می‌شود بیشتر است.
بیشتر بخوانید: کتاب Python for Data Science
سرفصل‌های کتاب Numerical Python:
- Introduction to Computing with Python
- Vectors, Matrices, and Multidimensional Arrays
- Symbolic Computing
- Plotting and Visualization
- Equation Solving
- Optimization
- Interpolation
- Integration
- Ordinary Differential Equations
- Sparse Matrices and Graphs
- Partial Differential Equations
- Data Processing and Analysis
- Statistics
- Statistical Modeling
- Machine Learning
- Bayesian Statistics
- Signal Processing
- Data Input and Output
- Code Optimization
فایل کتاب Numerical Python را می‌توانید پس از پرداخت دانلود کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.