1. 科学技術計算のために Python を始めよう。

Scipy lecture notes のこの部は科学のために Python を使うのに必要となる、言語自身の内容から数値計算や作図など、全てを含んだ導入となっています。

• 1.1. ツールやワークフローを使った科学技術計算
  • 1.1.1. どうして Python?
    • 1.1.1.1. 科学者が必要とするもの
    • 1.1.1.2. 必要なものの列挙
    • 1.1.1.3. 現存する解法
  • 1.1.2. Pythonで科学技術計算の積み木を組む
  • 1.1.3. 対話的なワークフロー: IPython とテキストエディタ
    • 1.1.3.1. コマンドラインでの対話操作
    • 1.1.3.2. エディタによってアルゴリズムを練り上げる
    • 1.1.3.3. IPython の Tips と Tricks
• 1.2. プログラミング言語 Python
  • 1.2.1. はじめの一歩
  • 1.2.2. 基本的な型
    • 1.2.2.1. 数値型
    • 1.2.2.2. コンテナ
      • 1.2.2.2.1. リスト
      • 1.2.2.2.2. 文字列
      • 1.2.2.2.3. 辞書
      • 1.2.2.2.4. 他のコンテナ型
    • 1.2.2.3. 代入演算子
  • 1.2.3. 制御フロー
    • 1.2.3.1. if/elif/else
    • 1.2.3.2. for/range
    • 1.2.3.3. while/break/continue
    • 1.2.3.4. 条件式
    • 1.2.3.5. 高度に反復
      • 1.2.3.5.1. あらゆる シーケンス に対する反復
      • 1.2.3.5.2. 反復回数を追跡する
      • 1.2.3.5.3. 辞書を使ったループ
    • 1.2.3.6. リスト内包表記
  • 1.2.4. 関数を定義する
    • 1.2.4.1. 関数定義
    • 1.2.4.2. return 文
    • 1.2.4.3. 引数
    • 1.2.4.4. 値渡し
    • 1.2.4.5. グローバル変数
    • 1.2.4.6. 可変数引数
    • 1.2.4.7. docstring
    • 1.2.4.8. 関数はオブジェクト
    • 1.2.4.9. メソッド
    • 1.2.4.10. 練習問題
  • 1.2.5. コードの再利用: スクリプトとモジュール
    • 1.2.5.1. スクリプト
    • 1.2.5.2. モジュールからオブジェクトをインポート
    • 1.2.5.3. モジュールの作成
    • 1.2.5.4. ‘__main__’ とモジュールのロード
    • 1.2.5.5. スクリプトそれともモジュール? ソースコードのまとめ方
      • 1.2.5.5.1. どうモジュールは探索、インポートされるか
    • 1.2.5.6. パッケージ
    • 1.2.5.7. 良い習慣
  • 1.2.6. 入出力
    • 1.2.6.1. ファイルに対して反復
      • 1.2.6.1.1. ファイルのモード
  • 1.2.7. 標準ライブラリ
    • 1.2.7.1. os モジュール: オペレーティングシステムの機能
      • 1.2.7.1.1. Directory and file manipulation
      • 1.2.7.1.2. os.path: パスの操作
      • 1.2.7.1.3. 外部のコマンドを実行
      • 1.2.7.1.4. ディレクトリの走査
      • 1.2.7.1.5. 環境変数:
    • 1.2.7.2. shutil: 高レベルなファイル操作
    • 1.2.7.3. glob: ファイル名のパターンマッチング
    • 1.2.7.4. sys モジュール: システム固有の情報
    • 1.2.7.5. pickle: 簡単な永続化
  • 1.2.8. Python での例外処理
    • 1.2.8.1. 例外
    • 1.2.8.2. 例外を捉える
      • 1.2.8.2.1. try/except
      • 1.2.8.2.2. try/finally
      • 1.2.8.2.3. 許可を得るより謝る方が簡単
    • 1.2.8.3. 例外を送出する
  • 1.2.9. オブジェクト指向プログラミング (OOP)
• 1.3. NumPy: 数値データの作成と処理
  • 1.3.1. numpy array オブジェクト
    • 1.3.1.1. Numpy や numpy array って何
      • 1.3.1.1.1. numpy array オブジェクト
      • 1.3.1.1.2. Numpy の参考ドキュメント
      • 1.3.1.1.3. インポートするときの決まり
    • 1.3.1.2. 配列の作成
      • 1.3.1.2.1. 配列の手動作成
      • 1.3.1.2.2. 配列を作るための関数
    • 1.3.1.3. 基本的なデータ型
    • 1.3.1.4. 基本的な可視化
    • 1.3.1.5. インデクスとスライス
    • 1.3.1.6. コピーとビュー
    • 1.3.1.7. ファンシーインデクス
      • 1.3.1.7.1. 真偽値のマスクを利用する
      • 1.3.1.7.2. 整数配列によるインデクス
  • 1.3.2. 配列の数値演算
    • 1.3.2.1. 要素毎の演算
      • 1.3.2.1.1. 基本的な操作
      • 1.3.2.1.2. その他の操作
    • 1.3.2.2. 基本的な縮約操作
      • 1.3.2.2.1. 総和を計算
      • 1.3.2.2.2. その他の縮約操作
    • 1.3.2.3. ブロードキャスト
    • 1.3.2.4. 配列のシェイプ操作
      • 1.3.2.4.1. 平坦化
      • 1.3.2.4.2. シェイプの変更
      • 1.3.2.4.3. 次元の追加
      • 1.3.2.4.4. 次元の入れ替え
      • 1.3.2.4.5. リサイズ
    • 1.3.2.5. データのソート
    • 1.3.2.6. まとめ
  • 1.3.3. より込み入った配列
    • 1.3.3.1. さらなるデータ型
      • 1.3.3.1.1. キャスト
      • 1.3.3.1.2. データ型のサイズの違い
    • 1.3.3.2. 構造化されたデータ型
    • 1.3.3.3. maskedarray: 欠損値(とその伝達) を扱う
  • 1.3.4. 高度な演算
    • 1.3.4.1. 多項式
      • 1.3.4.1.1. さらなる多項式(それ以外の基底)
    • 1.3.4.2. データファイルの読み込み
      • 1.3.4.2.1. テキストファイル
      • 1.3.4.2.2. 画像
      • 1.3.4.2.3. Numpy の独自フォーマット
      • 1.3.4.2.4. よく知られた(そしてよりわかりにくい)ファイルフォーマット
  • 1.3.5. 練習問題をいくつか
    • 1.3.5.1. 配列の操作
    • 1.3.5.2. 画像操作: 顔をフレーム
    • 1.3.5.3. データの統計
    • 1.3.5.4. おおざっぱに積分を近似する
    • 1.3.5.5. Mandelbrot 集合
    • 1.3.5.6. Markov 連鎖
• 1.4. Matplotlib: 作図
  • 1.4.1. 導入
    • 1.4.1.1. IPython と matplotlib モード
    • 1.4.1.2. pyplot
  • 1.4.2. 単純な作図
    • 1.4.2.1. デフォルト設定でプロットする
    • 1.4.2.2. デフォルトの例示
    • 1.4.2.3. 色と線の幅を変える
    • 1.4.2.4. Setting limits
    • 1.4.2.5. 目盛を設定
    • 1.4.2.6. 目盛のラベルの設定
    • 1.4.2.7. spine の移動
    • 1.4.2.8. 判例の追加
    • 1.4.2.9. 特定の点に注釈をつける
    • 1.4.2.10. 悪魔は細部に宿る
  • 1.4.3. Figure, Subplot, Axes そして目盛
    • 1.4.3.1. Figures
    • 1.4.3.2. Subplots
    • 1.4.3.3. Axes
    • 1.4.3.4. Ticks
      • 1.4.3.4.1. Tick Locators
  • 1.4.4. 他の種類の作図: 例と例題
    • 1.4.4.1. 通常の作図
    • 1.4.4.2. 散布図
    • 1.4.4.3. 棒グラフ
    • 1.4.4.4. 等高線図
    • 1.4.4.5. Imshow
    • 1.4.4.6. 円グラフ
    • 1.4.4.7. 矢印プロット
    • 1.4.4.8. ます目の表示
    • 1.4.4.9. 複数の作図
    • 1.4.4.10. 極座標
    • 1.4.4.11. 3D プロット
    • 1.4.4.12. テキスト
  • 1.4.5. チュートリアルからさらに
    • 1.4.5.1. Tutorials
    • 1.4.5.2. Matplotlib のドキュメント
    • 1.4.5.3. コード付属のドキュメント
    • 1.4.5.4. ギャラリー
    • 1.4.5.5. メーリングリスト
  • 1.4.6. クイックリファレンス
    • 1.4.6.1. Line properties
    • 1.4.6.2. 線の種類
    • 1.4.6.3. マーカー
    • 1.4.6.4. カラーマップ
• 1.5. Scipy: 高水準の科学技術計算
  • 1.5.1. ファイル入出力: scipy.io
  • 1.5.2. 特殊関数: scipy.special
  • 1.5.3. 線形代数演算: scipy.linalg
  • 1.5.4. 高速 Fourier 変換: scipy.fftpack
  • 1.5.5. 最適化とフィット: scipy.optimize
  • 1.5.6. 統計と乱数: scipy.stats
    • 1.5.6.1. 頻度分布と確率密度関数
    • 1.5.6.2. 百分位
    • 1.5.6.3. 統計的検定
  • 1.5.7. 補間: scipy.interpolate
  • 1.5.8. 数値積分: scipy.integrate
  • 1.5.9. 信号解析: scipy.signal
  • 1.5.10. 画像処理: scipy.ndimage
    • 1.5.10.1. 画像の幾何学的変換
    • 1.5.10.2. 画像フィルタ
    • 1.5.10.3. 数理形態学
    • 1.5.10.4. 画像の測定
  • 1.5.11. 科学技術計算の総合演習
    • 1.5.11.1. Sprogø 気象局の最大風速予測
      • 1.5.11.1.1. 統計的方法
      • 1.5.11.1.2. 累積確率の計算
      • 1.5.11.1.3. UnivariateSpline による予測
      • 1.5.11.1.4. 演習 Gumbell 分布
    • 1.5.11.2. 非線形最小2乗フィット：トポロジカル lidar の点抽出
      • 1.5.11.2.1. 導入
      • 1.5.11.2.2. 読み込みと可視化
      • 1.5.11.2.3. 波形を単純な Gauss モデルでフィット
        • 1.5.11.2.3.1. モデル
        • 1.5.11.2.3.2. 初期解
        • 1.5.11.2.3.3. フィット
      • 1.5.11.2.4. より進んで
    • 1.5.11.3. Image processing application: counting bubbles and unmolten grains
      • 1.5.11.3.1. 問題文
      • 1.5.11.3.2. 解答案
    • 1.5.11.4. 画像処理練習問題解答例: ガラスの中の非融解粒
• 1.6. ヘルプを見る、ドキュメントを探す