本书介绍了如何使用 Python语言进行物理建模，包括完成二维和三维图形绘制、动态可视化、蒙特卡罗模拟、常微分方程求解、图像处理等常见任务。本书在第 1版的基础上增加了关于用 SymPy进行符号计算的新内容，介绍了用于数据科学和机器学习的 pandas和 sklearn库、关于 Python类和面向对象编程的入门知识、命令行工具，以及如何使用 Git进行版本控制。
本书适合对科学计算感兴趣、想要使用 Python完成物理建模的学生和研究人员阅读。

【物理建模手册】本书介绍如何使用Python语言进行物理建模，涵盖二维和三维图形绘制、动态可视化、蒙特卡罗模拟等常见任务。
【内容全面升级】在第1版的基础上，新增用SymPy进行符号计算的内容，还介绍了数据科学和机器学习相关库、Python类和面向对象编程入门知识、命令行工具，以及如何使用Git进行版本控制。
【专业作者指导】由专业科学家根据多年经验编写，为读者制定了能够快速开始探索和学习的方案，筛选了不必要的内容，保留知识和技能。

杰西·M. 金德，俄勒冈理工学院物理系副教授。
菲利普·纳尔逊，宾夕法尼亚大学物理系教授，著有《从光子到神经元》《生命系统的物理建模》《生物物理学》等。

第 1章 Python入门 1
1.1　算法与算法思维 1
1.1.1 算法思维 1
1.1.2 状态 3
1.1.3 a=a 1的意思 3
1.1.4 符号与数字 4
1.2 启动Python 5
1.2.1 IPython控制台 8
1.2.2 错误消息 11
1.2.3 帮助资源 12
1.2.4 最佳实践： 记录日志 14
1.3 Python模块 14
1.3.1 import 14
1.3.2 from...import 15
1.3.3 NumPy和PyPlot 16
1.4 Python表达式 17
1.4.1 数字 17
1.4.2 算术运算和预定义函数 17
1.4.3 最佳实践：变量名 19
1.4.4 再谈函数 20

第 2章 组织数据 22
2.1 对象及其方法 22
2.2 列表、元组和数组 25
2.2.1 创建列表或元组 25
2.2.2 NumPy数组 25
2.2.3 用值填充数组 27
2.2.4 数组拼接 29
2.2.5 访问数组元素 30
2.2.6 数组和赋值 31
2.2.7 切片 32
2.2.8 展平数组 33
2.2.9 改变数组形状 34
2.2.10 列表和数组作为索引 35
2.3 字符串 36
2.3.1 原始字符串 38
2.3.2 使用format方法格式化字符串 38
2.3.3 使用%格式化字符串 40

第3章 结构与控制 41
3.1 循环 41
3.1.1 for循环 42
3.1.2 while循环 43
3.1.3 超长循环 44
3.1.4 无限循环 44
3.2 数组运算 45
3.2.1 向量数学 46
3.2.2 矩阵数学 48
3.2.3 约减数组 49
3.3 脚本 49
3.3.1 编辑器 50
3.3.2 其他编辑器 51
3.3.3 调试第 一步 51
3.3.4 最佳实践：添加注释 54
3.3.5 最佳实践：给参数命名 57
3.3.6 最佳实践：单位 59
3.4 或然行为：分支 59
3.4.1 if语句 60
3.4.2 浮点数的相等性测试 62
3.5 嵌套 63

第4章 数据输入、结果输出 65
4.1 导入数据 66
4.1.1 获取数据 66
4.1.2 将数据引入Python 67
4.2 导出数据 71
4.2.1　脚本 71
4.2.2 数据文件 71
4.3 数据可视化 74
4.3.1 plot命令及其相关函数 75
4.3.2 对数坐标轴 78
4.3.3 操作和修饰 78
4.3.4 替换曲线 81
4.3.5 再论图窗及其坐标区 81
4.3.6 误差棒 82
4.3.7 三维图形 82
4.3.8 多个绘图 83
4.3.9 子图 85
4.3.10 保存图形 86
4.3.11 在其他应用程序中使用图形 87

第5章 第 一次上机实验 88
5.1 HIV示例 88
5.1.1 探索模型 89
5.1.2 拟合实验数据 89
5.2 细菌示例 91
5.2.1 探索模型 91
5.2.2 拟合实验数据 92

第6章 随机数生成和数值方法 93
6.1 编写函数 94
6.1.1 在Python中定义函数 94
6.1.2 更新函数 97
6.1.3 参数、键值和默认值 98
6.1.4 返回值 98
6.1.5 函数编程 100
6.2 随机数与模拟 101
6.2.1 模拟抛硬币 102
6.2.2 生成轨迹 103
6.3 直方图和条形图 103
6.3.1 创建直方图 103
6.3.2 精细控制 105

6.4 等高线图、曲面图和热图 106
6.4.1 生成点网格 107
6.4.2 等高线图 107
6.4.3 曲面图 108
6.4.4 热图 109
6.5 非线性方程的数值解法 110
6.5.1 一般实函数 110
6.5.2 多项式的复根 112
6.6 求解线性方程组 114
6.7 数值积分 115
6.7.1 预定义函数的积分 115
6.7.2 自定义函数的积分 116
6.7.3 振荡函数的积分 117
6.7.4 参数依赖 117
6.8 微分方程的数值解法 117
6.8.1 重新表述问题 118
6.8.2 常微分方程求解 119
6.8.3 参数依赖 120
6.8.4 其他常微分方程求解器 121
6.9 向量场与流线 123
6.9.1 向量场 123
6.9.2 流线 124

第7章 第二次上机实验 126
7.1 生成和绘制轨迹 126
7.2 绘制位移分布图 127
7.3 罕见事件 129
7.3.1 泊松分布 129
7.3.2 等待时间 130

第8章 图像和动画 132
8.1 图像处理 132
8.1.1 将图像转换为NumPy数组 133
8.1.2 保存和显示图像 133
8.1.3 图像处理 134
8.2 将数据显示为图像 134
8.3 动画 137
8.3.1 创建动画 137
8.3.2 保存动画 139
8.3.3 结论 142

第9章 第三次上机实验 143
9.1 卷积 144
9.1.1 Python图像处理工具 144
9.1.2 平均化 146
9.1.3 使用高斯滤波器平滑图像 146
9.2 图像去噪 147
9.3 增强特征 147
9.4 图像文件和数组 149

第 10章 高阶技术 151
10.1 字典和生成器 151
10.1.1 字典 153
10.1.2 特殊函数参数 156
10.1.3 列表推导式和生成器 157
10.2 数据科学工具 162
10.2.1 用pandas构建序列和数据帧 162
10.2.2 使用scikit-learn进行机器学习 165
10.2.3 下一步 168
10.3 符号计算 168
10.3.1 Wolfram Alpha 169
10.3.2 SymPy库 171
10.3.3 其他替代方案 176
10.3.4 再谈首次通过问题 176
10.4 编写自己的类 180
10.4.1 随机游走类 181
10.4.2 何时使用类 189

第 11章 开始行动 191

附录A 安装Python 193
A.1 安装Python和Spyder 193
A.1.1 图形化安装 194
A.1.2 命令行安装 196
A.2 设置Spyder 198
A.2.1 工作目录 198
A.2.2 交互式图形 198
A.2.3 脚本模板 199
A.2.4 重启 199
A.3 保持最新版本 200
A.4 安装FFmpeg 200
A.5 安装ImageMagick 200

附录B 命令行工具 202
B.1 命令行 202
B.1.1 文件系统导航 204
B.1.2 创建、重命名、移动和删除文件 206
B.1.3 创建和删除目录 207
B.1.4 Python和Conda 208
B.2 文本编辑器 208
B.3 版本控制工具 210
B.3.1 Git如何工作 211
B.3.2 安装和使用Git 213
B.3.3 跟踪更改并同步存储库 217
B.3.4 实用工作流汇总 220
B.3.5 故障排除 221
B.4 结论 223

附录 C Jupyter Notebook 224
C.1 入门 225
C.1.1 启动Jupyter Notebook 225
C.1.2 打开笔记本 226
C.1.3 多个笔记本 226
C.1.4 退出Jupyter 227
C.1.5 设置默认目录 227
C.2 单元格 228
C.2.1 代码单元格 228
C.2.2 图形 229
C.2.3 Markdown单元格 230
C.2.4 编辑模式和命令模式 230
C.3 共享 231
C.4 更多详细信息 231
C.5 优点和缺点 231

附录 D 错误和错误消息233
D.1 Python错误概述 234
D.2 一些常见错误 235

附录E Python 2与Python 3对比 239
E.1 除法 240
E.2 打印命令 240
E.3 用户输入 241
E.4 更多援助 242

附录 F 内部机制 243
F.1 赋值语句 243
F.2 内存管理 246
F.3 函数 246
F.4 作用域 247
F.4.1 名称冲突 249
F.4.2 作为参数传递的变量 250
F.5 总结 251

附录G 部分习题答案253

致谢261
推荐阅读262