Python實現(xiàn)教程：新工科過程計算與優(yōu)化

第1章 Python入門基礎(chǔ) 001-087
【本章導(dǎo)讀】 001
1.1 Python 概述 001
1.1.1 發(fā)展歷史 001
1.1.2 安裝與啟動 002
1.1.3 運行與編碼模式 008
1.1.4 變量與常量 008
1.1.5 數(shù)據(jù)及數(shù)據(jù)類型 010
1.2 Python 基本運算符及函數(shù) 028
1.2.1 基本運算符 028
1.2.2 常用函數(shù) 030
1.2.3 數(shù)組創(chuàng)建及運算 047
1.2.4 矩陣運算 062
1.3 Python 程序運行與控制結(jié)構(gòu) 064
1.3.1 順序結(jié)構(gòu) 064
1.3.2 循環(huán)結(jié)構(gòu) 064
1.3.3 選擇結(jié)構(gòu) 067
1.4 Python 常用標(biāo)準(zhǔn)庫和第三方庫 070
1.4.1 time 和calendar 070
1.4.2 sys 和os 072
1.4.3 math 和random 073
1.4.4 NumPy 庫 073
1.4.5 SymPy 庫 074
1.4.6 SciPy 庫 075
1.4.7 Matplotlib 庫 077
1.4.8 Skimage 庫 078
1.4.9 Turtle 庫 079
1.4.10 Pyinstaller 庫 082
1.4.11 GUI 庫 083
1.4.12 數(shù)據(jù)統(tǒng)計與分析庫 086
1.4.13 OpenCV 庫 086
1.4.14 Sklearn 087
1.5 Python 前景展望 087
本章重點知識 087
習(xí)題 087
第2章 數(shù)據(jù)圖形繪制 088-133 
【本章導(dǎo)讀】 088
2.1 數(shù)據(jù)圖形繪制概述 088
2.2 布局設(shè)置 090
2.2.1 單個axes 布局 090
2.2.2 subplot(ijn) 布局 092
2.2.3 subplots(nrows,ncols,*,**)布局 092
2.2.4 fig.add_axes()布局 093
2.2.5 subplot2grid()布局 094
2.2.6 圖中圖布局 096
2.3 各種圖形繪制函數(shù) 096
2.3.1 繪制函數(shù) 096
2.3.2 綜合應(yīng)用例子 113
2.4 界面細節(jié)設(shè)置 114
2.4.1 文字設(shè)置 115
2.4.2 坐標(biāo)軸設(shè)置 116
2.4.3 網(wǎng)格設(shè)置（網(wǎng)格線型、線寬） 118
2.4.4 線型線寬設(shè)置 119
2.4.5 顏色設(shè)置 120
2.4.6 數(shù)據(jù)點標(biāo)記設(shè)置 120
2.4.7 文本標(biāo)注 121
2.4.8 箭頭文本 121
2.4.9 共享坐標(biāo)軸 122
2.4.10 圖例設(shè)置 123
2.5 實際案例繪制 124
2.5.1 多根函數(shù)繪制 125
2.5.2 離心泵性能曲線繪制 125
2.5.3 二維函數(shù)值色圖繪制 127
2.5.4 地殼元素含量餅狀圖繪制 129
2.6 3D 圖像繪制 130
2.7 二維繪制命令在三維空間繪制 131
本章重點知識 133
習(xí)題 133
第3章 過程方程求解 134-152
【本章導(dǎo)讀】 134
3.1 超越方程求解 134
3.1.1 基本方法 134
3.1.2 編程求解 136
3.1.3 庫函數(shù)求解 140
3.1.4 實例求解分析 141
3.2 線性方程組求解 143
3.2.1 基本方法 143
3.2.2 編程求解 145
3.2.3 庫函數(shù)求解 145
3.2.4 病態(tài)方程組分析 147
3.3 非線性方程組求解 148
3.3.1 基本方法 148
3.3.2 編程求解 148
3.3.3 庫函數(shù)求解 151
本章重點知識 152
習(xí)題 152
第4章 微分方程求解 153-187
【本章導(dǎo)讀】 153
4.1 微分方程應(yīng)用概述 153
4.2 常微分方程求解 154
4.2.1 基本方法 154
4.2.2 編程求解 156
4.2.3 庫函數(shù)求解 158
4.3 常微分方程組求解 159
4.3.1 基本方法 159
4.3.2 庫函數(shù)求解 161
4.3.3 實例求解 164
4.3.4 邊值問題 165
4.4 偏微分方程求解 168
4.4.1 基本方法 168
4.4.2 編程求解 172
4.4.3 實例應(yīng)用 175
4.5 庫函數(shù)求解偏微分方程 176
4.5.1 FiPy 庫簡介及安裝 176
4.5.2 FiPy 庫具體應(yīng)用 177
本章重點知識 186
習(xí)題 186
第5章 過程系統(tǒng)優(yōu)化 188-210
【本章導(dǎo)讀】 188
5.1 優(yōu)化問題概述 188
5.1.1 優(yōu)化數(shù)學(xué)模型 188
5.1.2 優(yōu)化問題的基本方法 189
5.2 無約束問題優(yōu)化求解 190
5.2.1 單變量函數(shù)優(yōu)化 190
5.2.2 多變量函數(shù)優(yōu)化 195
5.2.3 庫函數(shù)求解無約束問題 197
5.3 線性優(yōu)化求解 201
5.3.1 線性規(guī)劃概述 201
5.3.2 線性規(guī)劃通用模型 201
5.3.3 線性規(guī)劃庫函數(shù)求解 201
5.3.4 靈敏度分析 203
5.4 非線性規(guī)劃求解 205
5.4.1 非線性規(guī)劃求解基本方法 205
5.4.2 非線性規(guī)劃庫函數(shù)優(yōu)化求解 206
本章重點知識 210
習(xí)題 210
第6章 模型參數(shù)擬合及辨識 211-235
【本章導(dǎo)讀】 211
6.1 參數(shù)擬合及辨識的標(biāo)準(zhǔn) 211
6.1.1 問題的提出 211
6.1.2 標(biāo)準(zhǔn)的確定 212
6.2 單變量擬合 213
6.2.1 基本方法 213
6.2.2 庫函數(shù)擬合 217
6.2.3 靈活應(yīng)用 218
6.3 多變量擬合 220
6.3.1 基本方法 221
6.3.2 庫函數(shù)擬合 221
6.3.3 靈活應(yīng)用 223
6.4 過程參數(shù)辨識 224
6.4.1 問題提出 224
6.4.2 求解策略 225
6.4.3 編程求解 225
6.5 解矛盾方程 233
6.5.1 問題的提出 233
6.5.2 實例求解 233
本章重點知識 234
習(xí)題 234
第7章 Python圖形用戶界面開發(fā) 236-261
【本章導(dǎo)讀】 236
7.1 圖形用戶界面開發(fā)概述 236
7.2 Python 常用圖形用戶界面開發(fā)庫 236
7.3 PyQt5 圖形用戶界面開發(fā) 237
7.3.1 開發(fā)環(huán)境搭建 237
7.3.2 PyQt5 主要功能及入門 241
7.3.3 幾個簡單的GUI 設(shè)計 243
7.4 復(fù)雜用戶界面開發(fā)應(yīng)用實例 257
7.4.1 方程求解及過程優(yōu)化系統(tǒng)開發(fā) 257
7.4.2 實驗數(shù)據(jù)處理及圖像繪制系統(tǒng)開發(fā) 259
本章重點知識 260
習(xí)題 261
第8章 數(shù)據(jù)統(tǒng)計與分析 262-295
【本章導(dǎo)讀】 262
8.1 數(shù)據(jù)統(tǒng)計與分析概述 262
8.1.1 數(shù)據(jù) 262
8.1.2 統(tǒng)計 263
8.1.3 數(shù)據(jù)分析 263
8.2 Pandas 庫 263
8.2.1 Pandas 庫簡介 263
8.2.2 Series 數(shù)據(jù)結(jié)構(gòu) 264
8.2.3 DataFrame 數(shù)據(jù)結(jié)構(gòu) 270
8.2.4 時序數(shù)據(jù) 279
8.3 Seaborn 庫統(tǒng)計圖形繪制 282
8.3.1 Seaborn 庫概述 282
8.3.2 Seaborn 庫圖形繪制 282
8.4 Statsmodels 庫統(tǒng)計分析應(yīng)用 290
8.4.1 Statsmodels 庫概述 290
8.4.2 Statsmodels 庫統(tǒng)計分析 290
本章重點知識 295
習(xí)題 295
第9章 圖像處理 296-327
【本章導(dǎo)讀】 296
9.1 圖像處理概述 296
9.1.1 圖像 296
9.1.2 圖像處理 296
9.1.3 圖像處理常用第三方庫 297
9.2 OpenCV 圖像處理基礎(chǔ) 299
9.2.1 圖像讀入與顯示 299
9.2.2 圖像數(shù)據(jù)獲取 300
9.2.3 三通道分離與合并 301
9.2.4 圖像數(shù)據(jù)簡單處理 302
9.3 圖像處理基本函數(shù) 303
9.3.1 圖像顏色數(shù)據(jù)直方圖函數(shù) 303
9.3.2 圖像顏色閾值處理函數(shù) 304
9.3.3 自適應(yīng)閾值函數(shù) 306
9.3.4 圖像形態(tài)學(xué)函數(shù) 307
9.3.5 圖像幾何處理函數(shù) 310
9.3.6 幾種繪制輪廓的函數(shù) 312
9.4 機器學(xué)習(xí)及圖像處理基礎(chǔ) 314
9.4.1 機器學(xué)習(xí)定義 314
9.4.2 機器學(xué)習(xí)分類 314
9.4.3 機器學(xué)習(xí)算法開發(fā)步驟 315
9.4.4 k 均值聚類算法 316
9.4.5 K-近鄰算法 324
本章重點知識 327
習(xí)題 327
第10章 Python智能算法實戰(zhàn) 328-371
【本章導(dǎo)讀】 328
10.1 智能算法概述 328
10.2 人工神經(jīng)網(wǎng)絡(luò)算法 329
10.2.1 神經(jīng)網(wǎng)絡(luò)的基本原理 329
10.2.2 BP 神經(jīng)網(wǎng)絡(luò) 332
10.2.3 BP 神經(jīng)網(wǎng)絡(luò)物性估算實例求解 340
10.2.4 方法展望 342
10.3 遺傳算法 343
10.3.1 算法基本原理 343
10.3.2 遺傳算法實現(xiàn)流程圖 343
10.3.3 實例求解 348
10.3.4 方法展望 354
10.4 模擬退火算法 355
10.4.1 算法基本原理 355
10.4.2 算法實現(xiàn)基本流程 355
10.4.3 實例求解 358
10.4.4 方法展望 360
10.5 粒子算法 361
10.5.1 算法基本原理 361
10.5.2 算法實現(xiàn)步驟 361
10.5.3 實例求解 362
10.5.4 方法展望 364
10.6 蟻群算法 364
10.6.1 算法基本原理 364
10.6.2 算法實現(xiàn)步驟 365
10.6.3 實例求解 368
10.6.4 方法展望 371
本章重點知識 371
習(xí)題 371
參考文獻 372