Python地球科學數(shù)據(jù)分析

目錄
第 一部分 地質(zhì)學家應知應會的Python基礎知識
第 1章 輕松搭建Python環(huán)境 2
1.1 Python編程語言 2
1.2 編程范例 3
1.3 本地Python環(huán)境 3
1.4 遠程Python環(huán)境 6
1.5 Python包 6
1.6 專門為地質(zhì)學家開發(fā)的Python包 7
第 2章 地質(zhì)學家的Python知識 8
2.1 從使用IPython控制臺開始 8
2.2 樣式和命名規(guī)則 10
2.3 使用Python腳本 11
2.4 條件語句、縮進、循環(huán)和函數(shù) 13
2.4.1 條件語句 13
2.4.2 縮進和塊 14
2.4.3 for循環(huán) 15
2.4.4 while循環(huán) 16
2.4.5 函數(shù) 17
2.5 導入外部庫 18
2.6 基本運算和數(shù)學函數(shù) 18
第3章 用Python解決地質(zhì)問題：簡介 21
3.1 第 一次使用Python繪制二元相圖 21
3.2 建立第 一個地球科學模型 28
3.3 空間數(shù)據(jù)表達的快速入門 32
第二部分 地質(zhì)數(shù)據(jù)描述
第4章 地質(zhì)數(shù)據(jù)集的圖形可視化 38
4.1 數(shù)據(jù)集的統(tǒng)計學描述：主要概念 38
4.2 可視化單變量樣本分布 39
4.2.1 直方圖 39
4.2.2 累積分布圖 41
4.3 準備發(fā)布就緒的二元相圖 41
4.3.1 子圖 41
4.3.2 標記 43
4.3.3 圖例 49
4.3.4 四舍五入小數(shù)、文本格式、符號和特殊字符 52
4.3.5 二元相圖：plot()與scatter()的比較 57
4.4 多元數(shù)據(jù)可視化：首次嘗試 62
第5章 描述統(tǒng)計1：單變量分析 64
5.1 描述統(tǒng)計基礎 64
5.2 位置 64
5.2.1 平均數(shù) 64
5.2.2 中位數(shù) 67
5.2.3 眾數(shù) 68
5.3 離差或尺度 69
5.3.1 極差 69
5.3.2 方差和標準差 71
5.3.3 四分位距 73
5.4 偏度 74
5.5 pandas中的描述統(tǒng)計 77
5.6 箱形圖 78
第6章 描述統(tǒng)計2：雙變量分析 80
6.1 協(xié)方差和相關性 80
6.2 簡單線性回歸 83
6.3 多項式回歸 85
6.4 非線性回歸 87
第三部分 地質(zhì)學中的積分與微分方程
第7章 數(shù)值積分 94
7.1 定積分 94
7.2 積分的基本性質(zhì) 95
7.3 定積分的解析解和數(shù)值解 95
7.4 微積分的基本定理和解析解 96
7.4.1 微積分的基本定理 96
7.4.2 解析解：Python中的符號法 96
7.5 定積分的數(shù)值解 97
7.5.1 矩形法 97
7.5.2 梯形法 100
7.5.3 基于scipy的梯形法和復合辛普森法 101
7.6 計算地質(zhì)構(gòu)造體積 103
7.7 計算巖石靜壓力 104
第8章 微分方程 110
8.1 引言 110
8.2 常微分方程 111
8.3 一階常微分方程的數(shù)值解 116
8.3.1 歐拉法 116
8.3.2 scipy.integrate.ode類 118
8.4 菲克擴散定律—一種廣泛使用的偏微分方程 120
8.4.1 解析解 121
8.4.2 常數(shù)D的數(shù)值解 123
第四部分 概率密度函數(shù)與誤差分析
第9章 概率密度函數(shù)及其在地質(zhì)學中的應用 130
9.1 概率分布與密度函數(shù) 130
9.2 正態(tài)分布 131
9.2.1 正態(tài)概率密度函數(shù) 131
9.2.2 生成服從正態(tài)分布的隨機樣本 135
9.3 對數(shù)正態(tài)分布 137
9.4 其他適用于地質(zhì)學的概率密度函數(shù) 139
9.5 密度估計 140
9.6 中心極限定理與正態(tài)分布均值 145
第 10章 誤差分析 148
10.1 地質(zhì)測量中的誤差處理 148
10.1.1 精確度和準確度 148
10.1.2 置信區(qū)間 151
10.1.3 均值估計的不確定性： 標準誤差 153
10.2 二元相圖中的不確定性 報告 155
10.3 誤差傳播的線性化方法 161
10.4 誤差傳播的蒙特卡洛方法 166
第五部分 穩(wěn)健統(tǒng)計與機器學習
第 11章 穩(wěn)健統(tǒng)計導論 174
11.1 經(jīng)典統(tǒng)計法和穩(wěn)健統(tǒng)計法 174
11.2 正態(tài)檢驗 175
11.2.1 直方圖和參數(shù)擬合 175
11.2.2 Q-Q圖 177
11.2.3 統(tǒng)計檢驗 178
11.3 位置和尺度的穩(wěn)健估計 180
11.3.1 位置的穩(wěn)健估計和 弱估計 180
11.3.2 尺度的穩(wěn)健估計和 弱估計 183
11.3.3 位置和尺度的聯(lián)合穩(wěn)健 估計 185
11.4 地球化學中的穩(wěn)健統(tǒng)計 187
第 12章 機器學習 189
12.1 地質(zhì)學中的機器學習導論 189
12.2 Python中的機器學習 191
12.3 機器學習在地質(zhì)學中的 研究案例 191
12.3.1 用于訓練的實驗 數(shù)據(jù) 192
12.3.2 標準化 194
12.3.3 訓練和測試模型 197
附錄A 面向地質(zhì)學家的Python包和資源 201
A.1 面向地質(zhì)學家的Python包 201
A.2 面向地質(zhì)學家的Python學習資源 201
附錄B 面向?qū)ο缶幊虒д?202
B.1 面向?qū)ο缶幊?202
B.2 在Python中定義類、屬性和方法 202
附錄C Matplotlib面向?qū)ο驛PI 206
C.1 Matplotlib應用程序接口 206
C.2 Matplotlib面向?qū)ο驛PI 206
C.3 使用OO樣式微調(diào)地質(zhì)圖 207
附錄D 使用Pandas工具 210