Читать фрагмент

книга

Элегантный SciPy

Автор: Хуан Нуньес-Иглесиас, Штефан Уолт, Харриет Дэшноу

Книга познакомит вас с основополагающими компонентами библиотеки SciPy языка Python. Вы научитесь писать элегантный, ясный, краткий и эффективный программный код благодаря примерам из обширной научной экосистемы Python. Кроме SciPy, вы узнаете много нового про сопутствующие библиотеки, такие как NumPy, Pandas, scikit-image.Издание будет полезно всем программистам на Python, желающим использовать научные библиотеки в своей работе.

Форматы: PDF

Издательство: ДМК Пресс

Год: 2018

Место издания: Москва

ISBN: 978-5-97060-600-1

Страниц: 266

Артикул: 95446

Возрастная маркировка: 16+

Электронная книга

749 ₽

Купить и скачать

Содержание

Содержание книги "Элегантный SciPy "

Предисловие

Глава 1. Элегантный NumPy: фундамент научного программирования на Python

Введение в данные: что такое экспрессия гена?

N-мерные массивы NumPy

Зачем использовать массивы ndarray вместо списков Python?

Векторизация

Транслирование

Исследование набора данных экспрессии генов

Чтение данных при помощи библиотеки pandas

Нормализация

Нормализация между образцами

Нормализация между генами

Нормализация по образцам и генам: RPKM

Подведение итогов

Глава 2. Квантильная нормализация с NumPy и SciPy

Получение данных

Разница в распределении экспрессии генов между индивидуумами

Бикластеризация количественных данных

Визуализация кластеров

Предсказание выживаемости

Дальнейшая работа: использование кластеров пациентов TCGA

Дальнейшая работа: воспроизведение кластеров TCGA

Глава 3. Создание сетей из областей изображений при помощи ndimage

Изображения – это просто массивы NumPy

Задача: добавление сеточного наложения

Фильтры в обработке сигналов

Фильтрация изображений (двумерные фильтры)

Универсальные фильтры: произвольные функции от соседних значений

Задача: игра «“Жизнь” Конуэя»

Задача: магнитуда градиента Собела

Графы и библиотека NetworkX

Задача: подбор кривой при помощи SciPy

Графы смежности областей

Элегантный пакет ndimage: как строить графы из областей изображений

Собираем все вместе: сегментация по среднему цвету

Глава 4. Частота и быстрое преобразование Фурье

Введение в частоту

Иллюстрация: спектрограмма пения птиц

История

Реализация

Выбор длины ДПФ

Дополнительные понятия ДПФ

Частоты и их упорядочивание

Оконное преобразование

Практическое применение: анализ радарных данных

Свойства сигнала в частотной области

Оконное преобразование на практике

Радарные изображения

Дополнительные применения БПФ

Дополнительные материалы для чтения

Задача: свертывание изображения

Глава 5. Таблицы сопряженности на основе разреженных координатных матриц

Таблицы сопряженности

Задача: вычислительная сложность матриц ошибок

Задача: альтернативный алгоритм вычисления матрицы ошибок

Задача: мультиклассовая матрица ошибок

Форматы данных модуля scipy.sparse

Формат COO

Задача: представление в формате COO

Формат сжатой разреженной строки

Применения разреженных матриц: преобразования изображений

Задача: поворот изображения

Назад к таблицам сопряженности

Задача: сокращение объема потребляемой оперативной памяти

Таблицы сопряженности в сегментации изображений

Теория информации вкратце

Задача: вычисление условной энтропии

Теория информации применительно к сегментации : изменчивость информации

Конвертирование программного кода массивов NumPy под использование разреженных матриц

Применение изменчивости информации

Дальнейшая работа: сегментация на практике

Глава 6. Линейная алгебра в SciPy

Основы линейной алгебры

Лапласова матрица графа

Задача: матрица поворота

Лапласовы матрицы с данными о мозге

Задача: изображение аффинного подобия

Задача: линейная алгебра с разреженными матрицами

PageRank: линейная алгебра для репутации и важности

Задача: обработка висячих узлов

Задача: эквивалентность разных методов получения собственного вектора

Заключительные замечания

Глава 7. Оптимизация функций в SciPy

Оптимизация в SciPy: scipy.optimize

Пример: вычисление оптимального сдвига изображения

Регистрация изображения при помощи optimize

Предотвращение локальных минимумов на основе алгоритма basin hopping

Задача: модификация функции align

«Что лучше?»: выбор правильной целевой функции

Глава 8. Большие данные с Toolz в маленьком ноутбуке

Потоковая передача при помощи yield

Введение в потоковую библиотеку Toolz

Подсчет k-мер и исправление ошибок

Каррирование: изюминка потоковой обработки

Возвращаясь к подсчету k-мер

Задача: анализ главных компонент потоковых данных

Марковская модель на основе полного генома

Задача: онлайновая распаковка архива

Эпилог

Что дальше?

Списки рассылок

GitHub

Конференции

За пределами SciPy

Содействие этой книге

До следующей встречи

Приложение. Решения задач

Решение: добавление сеточного наложения

Решение: игра «“Жизнь” Конуэя»

Решение: магнитуда градиента Собела

Решение: подбор кривой при помощи SciPy

Решение: свертывание изображения

Решение: вычислительная сложность матриц ошибок

Решение: альтернативный алгоритм вычисления матрицы ошибок

Решение: вычисление матрицы ошибок

Решение: представление в формате COO

Решение: поворот изображения

Решение: сокращение объема потребляемой оперативной памяти

Решение: вычисление условной энтропии

Решение: матрица поворота

Решение: изображение аффинного подобия

Решение: линейная алгебра с разреженными матрицами

Решение: обработка висячих узлов

Решение: методы проверки

Решение: модификация функции align

Решение: анализ главных компонент потоковых данных при помощи библиотеки scikit-learn

Решение: добавление шага в начало конвейера

Предметный указатель

Внимание!
При обнаружении неточностей или ошибок в описании книги "Элегантный SciPy (автор Хуан Нуньес-Иглесиас, Штефан Уолт, Харриет Дэшноу)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!