Python科学计算和数据科学应用([美]罗伯特.约翰逊RobertJohansson,黄强)

书: https://pan.baidu.com/s/1o53U8DJYBlzPKes4X47C8Q?pwd=ymj8
笔记如下：

1. “NumPy的ndarray是科学计算的基石，矢量化运算比Python循环快100倍。”
2. “SciPy的scipy.optimize.minimize实现非线性优化，scipy.integrate.quad计算数值积分。”
3. “Pandas的DataFrame.query()用字符串表达式过滤数据，比布尔索引更简洁。”
4. “pd.merge_asof()对非精确匹配的时间序列数据执行‘最近邻’合并。”
5. “Matplotlib的面向对象API：fig, ax = plt.subplots()明确控制图形和坐标轴。”
6. “Seaborn的FacetGrid实现多面板分面绘图，pairplot自动探索特征关系。”
7. “SymPy符号计算：x = symbols('x')定义符号变量，diff(sin(x), x)求导。”
8. “Scikit-learn的Pipeline将特征转换、降维和模型训练封装为统一流程。”
9. “GridSearchCV自动化超参数搜索，RandomizedSearchCV适合高维参数空间。”
10. “Dask并行处理大于内存的数据集，API设计与NumPy/Pandas高度兼容。”
11. “statsmodels的OLS类实现线性回归，summary()输出统计显著性和R²。”
12. “交互式可视化：Plotly的express模块三行代码生成动态图表。”
13. “scipy.sparse处理稀疏矩阵，csr_matrix优化存储和计算效率。”
14. “pd.eval()和numexpr加速复杂表达式计算，避免中间变量内存开销。”
15. “scipy.fftpack实现快速傅里叶变换（FFT），分析信号频域特征。”
16. “sklearn.decomposition.NMF（非负矩阵分解）用于文本主题提取和图像特征学习。”
17. “xarray处理带标签的多维数组（如气候数据），支持高级索引和聚合。”
18. “Jupyter Notebook的%%timeit魔法命令测量代码片段执行时间。”
19. “科学计算黄金法则：始终验证数值方法的稳定性（如检查矩阵条件数）。”
20. “数据科学工作流：探索（EDA）→假设→建模→验证→迭代，可视化贯穿始终。”