Вычислительные методы на Python, Книга 2, Гутник С.А., Лата А.Н., 2026

Вычислительные методы на Python, Книга 2, Гутник С.А., Лата А.Н., 2026.
 
   Учебное пособие представляет собой базовый курс по программированию на Python и предназначено для формирования практических навыков автоматизации вычислений и анализа данных. Книга 1 знакомит с базовыми понятиями, синтаксисом и конструкциями языка, закладывая фундамент алгоритмического мышления. Книга 2 дает представление об основных возможностях библиотек NumPy и pandas для работы с данными. Пособие содержит практические примеры и блоки упражнений для закрепления навыков программирования.
Для студентов вузов, обучающихся по направлениям «Экономика», «Бизнес-аналитика», «Менеджмент», «Юриспруденция», «Торговое дело» и начинающих изучать программирование.




Основы работы с библиотекой NumPy.
NumPy (Numerical Python) это фундаментальная библиотека для научных вычислений и основа экосистемы анализа данных в Python. Ее ядром является высокопроизводительный многомерный массив (ndarray) универсальная структура для представления векторов, матриц и тензоров. Для экономиста NumPy это прежде всего инструмент для эффективной работы с числовыми данными: макроэкономическими показателями, временными рядами котировок, панельными данными или результатами моделирования. Библиотека предоставляет обширные математические функции для векторных и матричных операций, статистической обработки и линейной алгебры, что делает ее незаменимой для количественного анализа, построения моделей и выполнения вычислений, требующих как скорости, так и высокой точности.

В стандартной библиотеке Python встроенные типы данных, такие как списки, хорошо подходят для решения небольших задач. Однако при обработке больших объемов числовой информации они демонстрируют ряд существенных ограничений: операции над элементами, выполняемые в циклах, отличаются низкой скоростью; потребление памяти может быть избыточным; а поддержка целых классов продвинутых математических операций, таких как методы линейной алгебры или сложные статистические функции, отсутствует.

ОГЛАВЛЕНИЕ.
Глава 5. Основы работы с библиотекой NumPy.
§5.1. Создание массивов.
5.1.1. Функция np.аrrау().
5.1.2. Функция np.arange().
5.1.3. Функция np.linspace().
5.1.4. Функция np.zeros().
5.1.5. Функция np.ones().
5.1.6. Функция np.full().
5.1.7. Функция np.еуе().
5.1.8. Функция np.identity().
5.1.9. Функция np.empty().
5.1.10. Модуль np.random.
§5.2. Свойства (атрибуты) массивов.
§5.3. Индексирование и срезы.
5.3.1. Индексирование.
5.3.2. Срезы.
5.3.3. Булево индексирование.
5.3.4. Индексирование массивами.
§5.4. Изменение формы массивов.
5.4.1. Функция np.reshape().
5.4.2. Функция np.ravel().
5.4.3. Функция np.flatten().
§5.5. Универсальные функции (ufunc).
5.5.1. Арифметические операции.
§5.6. Агрегатные функции.
5.6.1. Статистические функции.
5.6.2. Логические функции.
§5.7. Работа с уникальными значениями и частотой.
5.7.1. Функция np.unique().
5.7.2. Функция np.bincount().
§5.8. Работа с NaN и бесконечностью.
§5.9. Сортировка и поиск.
5.9.1. Основные функции сортировки и поиска.
5.9.2. Сортировка массивов.
5.9.3. Поиск индексов отсортированных элементов.
5.9.4. Бинарный поиск.
5.9.5. Функция np.where().
§5.10. Объединение массивов.
5.10.1. Функция np.concatenate().
5.10.2. Функции np.stackO, np.hstack() и np.vstack().
§5.11. Разделение массивов.
5.11.1. Функция np.split().
5.11.2. Функции np.hsplit(), np.vsplit() и np.dsplit().
§5.12. Преобразование массивов.
5.12.1. Изменение формы массива.
5.12.2. Добавление и удаление осей.
5.12.3. Удаление осей.
§5.13. Копирование массивов.
§5.14. Линейная алгебра с библиотекой NumPy.
5.14.1. Задание матриц и векторов.
5.14.2. Транспонирование матриц.
5.14.3. Сложение матриц.
5.14.4. Вычитание матриц.
5.14.5. Умножение матриц.
5.14.6. Определитель и след матрицы.
5.14.7. Обратная матрица.
§5.15. Норма вектора и норма матрицы.
§5.16. Ранг матрицы.
§5.17. Решение систем линейных уравнений.
§5.18. Сингулярное разложение матрицы.
§5.19. QR-разложение матрицы.
§5.20. Разложение Холодного.
§5.21. Собственные значения и собственные векторы.
Контрольные вопросы.
Практикум: работа с массивами NumPy.
Заключение.
Глава 6. Основы работы с библиотекой pandas.
§6.1. Основы Series и DataFrame.
§6.2. Загрузка и сохранение данных.
§6.3. Описательная статистика.
§6.4. Преобразование данных.
6.4.1. Изменение типа данных.
6.4.2. Переименование столбцов.
6.4.3. Добавление новых столбцов.
6.4.4. Удаление столбцов.
6.4.5. Изменение индекса.
6.4.6. Преобразование данных с помощью метода apply().
§6.5. Фильтрация данных.
6.5.1. Фильтрация по меткам и позициям.
6.5.2. Фильтрация по значениям и диапазону.
6.5.3. Фильтрация по уникальным значениям и дубликатам.
6.5.4. Фильтрация по пропущенным значениям.
§6.6. Группировка и агрегация данных.
§6.7. Объединение таблиц.
§6.8. Сводные таблицы.
Контрольные вопросы.
Практикум: работа с основными структурами pandas.
Заключение.
Список литературы.


Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Купить .








Теги: учебник по программированию :: программирование :: Гутник :: Лата