Python實現教程：新工科過程計算與優化（簡體書）

本書是關於Python 基礎知識與實踐應用的入門教程。全書以案例為導向，以實用為準則，在遵循Python 語言簡潔、高效、優雅的前提下，介紹了Python 語言的基礎知識及其利用Python 語言進行科學計算、統計分析、數據可視化、人工智能、機器學習及圖形用戶界面開發方面的知識。全書程序代碼為作者多年來從事計算機軟件開發的經驗總結，具有較強的實用性，可通過郵箱lgfang@scut.edu 聯繫作者免費索取。本書有關慕課內容及PPT 課件將陸續上傳到作者的學堂在線《計算機輔助設計》課程上，歡迎大家選課學習。本書可作為非計算機專業本科生和研究生計算機應用課程教材，也可以作為從事計算機應用及人工智能方面科技人員的參考書；有關章節頁可以作為一般人員學習Python 語言入門教程。

方利國，華南理工大學，副教授 系副主任，本人長期計算機在化學化工方面的應用研究，發表各種論文40余篇，申請國家專利10項，目前已獲國家授權專利8項，其中發明2項。碩士論文和博士論文選題均與計算機應用有關。目前已積累豐富的有關化工制圖及計算機輔助設計的素材，從事本科生教學已達20年左右，長期主講計算機輔助設計、能源概論、化工系統工程、化工過程分析與合成、化工微機應用、化工企業管理、化工儀表與自動化等課程，具有豐富的教學經驗，多次獲得華南理工大學優秀教學獎，分別教研論文10篇。

全部案例為作者在實際操作、課程教學、項目研發等過程中的真實知識，讀者可以順著作者的思路，按照書本知識，一步一步進行操作，快速地提高Python軟件的操作能力。

Python 作為一門計算機語言盡管其發展歷史不長，但其開源、免費、共享的生態環境以及第三方庫功能豐富、編程代碼簡潔高效等稟賦已越來越引起人們的重視。掌握Python 語言並利用其進行科學計算、數據分析、系統優化、圖像處理、機器學習及人工智能已是當前和將來一段時間內科學研究和工程設計人員的選擇。
全書共分10章，第1章是有關Python 語言的基礎知識，也可以作為短學時編程語言課程的學習資料；第2章介紹了數據可視化工具Matplotlib 第三方庫的具體應用；第3～6章介紹了普通方程求解、微分方程求解、模型參數擬合及辨識、過程系統優化等科學計算問題，重點在利用Python 語言的第三方庫Numpy 庫、Scipy 庫、SymPy 庫求解科學研究和工程設計中的實際問題；第7章介紹了利用PyQt5 開發Python 語言的圖形用戶界面（GUI）；第8章主要介紹了利用Pandas 庫、Seaborn 庫、Statamodels 庫進行數據統計和分析以及統計數據的可視化；第9章主要介紹了利用OpenCV 庫進行圖像處理及機器學習入門基礎知識；第10章介紹了人工智能算法在Python 中的應用及五種主要人工智能算法的具體應用。
本書全部代碼在Python3.7.7 環境下調試通過，需要具體程序讀者可以聯繫作者索取（lgfang@scut.edu）。
本書的編寫遵循簡明、實用的原則，以大量的案例來說明Python 語言的基礎知識以及具體應用，對於需要用到複雜的數學知識及內容盡量以實用簡單的形式，呈現給讀者；對於既可以用第三方庫函數也可以自己編程的問題，盡量提供兩種方法求解的程序，力爭為讀者提供一種解決具體問題的基本思路。
感謝華南理工大學及中國郵政廣東分公司信息局對本書的出版給予了大力支持；感謝Python 語言生態圈所有知識共享的提供者；感謝本書的編輯組全體成員；感謝家人在本書寫作過程中的默默支持。
本書在編寫過程中，參考了一些前人的文獻及專著，在此特表示感謝。因作者水平有限，疏漏之處在所難免，望同行及讀者予以批評指正。

作者
2023 仲秋年於廣州

第1章 Python入門基礎 001-087
【本章導讀】 001
1.1 Python 概述 001
1.1.1 發展歷史 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 數據及數據類型 010
1.2 Python 基本運算符及函數 028
1.2.1 基本運算符 028
1.2.2 常用函數 030
1.2.3 數組創建及運算 047
1.2.4 矩陣運算 062
1.3 Python 程序運行與控制結構 064
1.3.1 順序結構 064
1.3.2 循環結構 064
1.3.3 選擇結構 067
1.4 Python 常用標準庫和第三方庫 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 數據統計與分析庫 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
習題 087

第2章 數據圖形繪製 088-133
【本章導讀】 088
2.1 數據圖形繪製概述 088
2.2 布局設置 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 各種圖形繪製函數 096
2.3.1 繪製函數 096
2.3.2 綜合應用例子 113
2.4 界面細節設置 114
2.4.1 文字設置 115
2.4.2 坐標軸設置 116
2.4.3 網格設置（網格線型、線寬） 118
2.4.4 線型線寬設置 119
2.4.5 顏色設置 120
2.4.6 數據點標記設置 120
2.4.7 文本標注 121
2.4.8 箭頭文本 121
2.4.9 共享坐標軸 122
2.4.10 圖例設置 123
2.5 實際案例繪製 124
2.5.1 多根函數繪製 125
2.5.2 離心泵性能曲線繪製 125
2.5.3 二維函數值色圖繪製 127
2.5.4 地殼元素含量餅狀圖繪製 129
2.6 3D 圖像繪製 130
2.7 二維繪製命令在三維空間繪製 131
本章重點知識 133
習題 133

第3章 過程方程求解 134-152
【本章導讀】 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 庫函數求解 145
3.2.4 病態方程組分析 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 庫函數求解 151
本章重點知識 152
習題 152

第4章 微分方程求解 153-187
【本章導讀】 153
4.1 微分方程應用概述 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 實例應用 175
4.5 庫函數求解偏微分方程 176
4.5.1 FiPy 庫簡介及安裝 176
4.5.2 FiPy 庫具體應用 177
本章重點知識 186
習題 186

第5章 過程系統優化 188-210
【本章導讀】 188
5.1 優化問題概述 188
5.1.1 優化數學模型 188
5.1.2 優化問題的基本方法 189
5.2 無約束問題優化求解 190
5.2.1 單變量函數優化 190
5.2.2 多變量函數優化 195
5.2.3 庫函數求解無約束問題 197
5.3 線性優化求解 201
5.3.1 線性規劃概述 201
5.3.2 線性規劃通用模型 201
5.3.3 線性規劃庫函數求解 201
5.3.4 靈敏度分析 203
5.4 非線性規劃求解 205
5.4.1 非線性規劃求解基本方法 205
5.4.2 非線性規劃庫函數優化求解 206
本章重點知識 210
習題 210

第6章 模型參數擬合及辨識 211-235
【本章導讀】 211
6.1 參數擬合及辨識的標準 211
6.1.1 問題的提出 211
6.1.2 標準的確定 212
6.2 單變量擬合 213
6.2.1 基本方法 213
6.2.2 庫函數擬合 217
6.2.3 靈活應用 218
6.3 多變量擬合 220
6.3.1 基本方法 221
6.3.2 庫函數擬合 221
6.3.3 靈活應用 223
6.4 過程參數辨識 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
習題 234

第7章 Python圖形用戶界面開發 236-261
【本章導讀】 236
7.1 圖形用戶界面開發概述 236
7.2 Python 常用圖形用戶界面開發庫 236
7.3 PyQt5 圖形用戶界面開發 237
7.3.1 開發環境搭建 237
7.3.2 PyQt5 主要功能及入門 241
7.3.3 幾個簡單的GUI 設計 243
7.4 複雜用戶界面開發應用實例 257
7.4.1 方程求解及過程優化系統開發 257
7.4.2 實驗數據處理及圖像繪製系統開發 259
本章重點知識 260
習題 261

第8章 數據統計與分析 262-295
【本章導讀】 262
8.1 數據統計與分析概述 262
8.1.1 數據 262
8.1.2 統計 263
8.1.3 數據分析 263
8.2 Pandas 庫 263
8.2.1 Pandas 庫簡介 263
8.2.2 Series 數據結構 264
8.2.3 DataFrame 數據結構 270
8.2.4 時序數據 279
8.3 Seaborn 庫統計圖形繪製 282
8.3.1 Seaborn 庫概述 282
8.3.2 Seaborn 庫圖形繪製 282
8.4 Statsmodels 庫統計分析應用 290
8.4.1 Statsmodels 庫概述 290
8.4.2 Statsmodels 庫統計分析 290
本章重點知識 295
習題 295

第9章 圖像處理 296-327
【本章導讀】 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 299
9.2.1 圖像讀入與顯示 299
9.2.2 圖像數據獲取 300
9.2.3 三通道分離與合並 301
9.2.4 圖像數據簡單處理 302
9.3 圖像處理基本函數 303
9.3.1 圖像顏色數據直方圖函數 303
9.3.2 圖像顏色閾值處理函數 304
9.3.3 自適應閾值函數 306
9.3.4 圖像形態學函數 307
9.3.5 圖像幾何處理函數 310
9.3.6 幾種繪製輪廓的函數 312
9.4 機器學習及圖像處理基礎 314
9.4.1 機器學習定義 314
9.4.2 機器學習分類 314
9.4.3 機器學習算法開發步驟 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
習題 327

第10章 Python智能算法實戰 328-371
【本章導讀】 328
10.1 智能算法概述 328
10.2 人工神經網絡算法 329
10.2.1 神經網絡的基本原理 329
10.2.2 BP 神經網絡 332
10.2.3 BP 神經網絡物性估算實例求解 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
習題 371

參考文獻 372