推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 4456 天前的主题，其中的信息可能已经有所发展或是发生改变。
下面是本书的预览地址：
http://hyry.dip.jp/tech/book/index/scipynew
**第二版序**
Python世界的发展日新月异，在本书第一版出版之后，Python在数据处理、科学计算领域又出现了许多新的进展：
* IPython项目获得了100多万美元的资助，开发进程得到了极大地提升，最近1.0就快要正式发布了，它集成了Notebook、并行运算等多项新功能。其中Notebook已经成为Python科学计算界的标准配置。
* NumPy的创始人Travis Oliphant在离开Enthought之后，创建了CONTINUUM，致力于将Python大数据处理方面的应用。最近推出的Numba项目能够将处理NumPy数组的Python函数JIT编译为机器码执行，从而上百倍的提高程序的运算速度。而基于浏览器的Python开发环境wakari(http://www.continuum.io/wakari) 能省去配置Python开发环境的麻烦。
* Pandas经过几个版本周期的迭代，目前已经成为数据整理、处理、分析的不二选择。
* OpenCV官方的扩展库cv2已经正式出台，它的众多图像处理函数能直接对NumPy数组进行处理，便捷图像处理、计算机视觉程序变得更加方便、简洁。
* 虽然matplotlib的创始人John Hunter不幸因病早逝，但matplotlib已经拥有稳定开发社区，最新发布的1.3版本添加了WebAgg后台绘图库，能在浏览器中显示图表并与之进行交互。相信不久这一功能就会集成到IPython Notebook中去。
* 随着SymPy 0.7.3的发布，它已经逐渐从玩具项目发展成熟。一位高中生使用在线运行SymPy代码的网站： http://www.sympygamma.com
* Cython已经内置支持NumPy数组，它已经逐渐成为编写高效运算扩展库的首选工具。例如Pandas中绝大部分的提速代码都是采用Cython编写的。
* NumPy、SciPy等也经历了几个版本的更新，许多计算变得更快捷，功能也更加丰富。
* WinPython、Anaconda等新兴的Python集成环境无须安装，使得共享Python程序更方便快捷。
* 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始支持Python3了。
所有这些发展让我不得不觉得该是着手编写《Python科学计算-第二版》的时候了，预计这本书将涉及上述所有令人兴奋的发展，增改第一版中50%以上的内容。这次我将完全使用IPython Notebook编写本书，这意味着所有的代码都是经过验证的，只要读者安装了相同的Python开发环境，就能得到相同的结果。
这将是一个漫长而有趣的过程，请各位感兴趣的读者长期关注本书的变化，并在 http://hyry.dip.jp/tech/forum/index 中留下您宝贵的意见和建议。如果对每章节的内容有任何疑问和建议，请在页面下方的评论栏中留言。
http://hyry.dip.jp/tech/book/index/scipynew
**第二版序**
Python世界的发展日新月异，在本书第一版出版之后，Python在数据处理、科学计算领域又出现了许多新的进展：
* IPython项目获得了100多万美元的资助，开发进程得到了极大地提升，最近1.0就快要正式发布了，它集成了Notebook、并行运算等多项新功能。其中Notebook已经成为Python科学计算界的标准配置。
* NumPy的创始人Travis Oliphant在离开Enthought之后，创建了CONTINUUM，致力于将Python大数据处理方面的应用。最近推出的Numba项目能够将处理NumPy数组的Python函数JIT编译为机器码执行，从而上百倍的提高程序的运算速度。而基于浏览器的Python开发环境wakari(http://www.continuum.io/wakari) 能省去配置Python开发环境的麻烦。
* Pandas经过几个版本周期的迭代，目前已经成为数据整理、处理、分析的不二选择。
* OpenCV官方的扩展库cv2已经正式出台，它的众多图像处理函数能直接对NumPy数组进行处理，便捷图像处理、计算机视觉程序变得更加方便、简洁。
* 虽然matplotlib的创始人John Hunter不幸因病早逝，但matplotlib已经拥有稳定开发社区，最新发布的1.3版本添加了WebAgg后台绘图库，能在浏览器中显示图表并与之进行交互。相信不久这一功能就会集成到IPython Notebook中去。
* 随着SymPy 0.7.3的发布，它已经逐渐从玩具项目发展成熟。一位高中生使用在线运行SymPy代码的网站： http://www.sympygamma.com
* Cython已经内置支持NumPy数组，它已经逐渐成为编写高效运算扩展库的首选工具。例如Pandas中绝大部分的提速代码都是采用Cython编写的。
* NumPy、SciPy等也经历了几个版本的更新，许多计算变得更快捷，功能也更加丰富。
* WinPython、Anaconda等新兴的Python集成环境无须安装，使得共享Python程序更方便快捷。
* 随着Python3逐渐成为主流，IPython, NumPy, SciPy, matplotlib, Pandas, Cython等主要的科学计算扩展库也已经开始支持Python3了。
所有这些发展让我不得不觉得该是着手编写《Python科学计算-第二版》的时候了，预计这本书将涉及上述所有令人兴奋的发展，增改第一版中50%以上的内容。这次我将完全使用IPython Notebook编写本书，这意味着所有的代码都是经过验证的，只要读者安装了相同的Python开发环境，就能得到相同的结果。
这将是一个漫长而有趣的过程，请各位感兴趣的读者长期关注本书的变化，并在 http://hyry.dip.jp/tech/forum/index 中留下您宝贵的意见和建议。如果对每章节的内容有任何疑问和建议，请在页面下方的评论栏中留言。
 | 1 Mutoo 2013-08-03 10:01:54 +08:00 到时候买一本送给LP，她应该会很喜欢的。 |
 | 2 banxi1988 2013-08-03 10:55:01 +08:00 在此支持了。。 |
 | 3 thedevil5032 2013-08-03 11:17:34 +08:00 via iPad OOPS na[1] = 20 # 修改NumPy数组中的第一个元素。@ 动态数组 |
| 4 thedevil5032 2013-08-03 11:17:55 +08:00 via iPad |
 | 5 ruoyu0088 OP @thedevil5032 这句话有什么错误吗？ |
| 6 thedevil5032 2013-08-03 11:27:39 +08:00 via iPad @ruoyu0088 按照这句话，那么是否称 na[0] 为第零个元素? 如果是，当我没说。 :P |
 | 7 kunimi 2013-08-03 11:32:35 +08:00 via iPad 看来新版会加入一章关于pandas的内容了。LZ好像还是校友，希望早日看到出版。 |
| 8 ruoyu0088 OP @thedevil5032 那我就当你没说了。 |
 | 9 itfanr 2013-08-03 15:16:25 +08:00 干掉matlab吧！ |
 | 10 haisua 2013-08-04 09:00:56 +08:00 不懂科学计算，不过俺是来感谢LZ关于这本书的写作工具（Sphinx）介绍的，嘿嘿~话说中文分词那个，似乎有个效果更好的“结巴中文分词”，不知道LZ是否有空研究下更新到教程中？ |
 | 11 sivacohan PRO 是张若愚？ 我现在桌子上就放了一本第一版。 感谢提供了这么优秀的一本书。 加油，期待第二版出版发行。  |
| 12 ruoyu0088 OP Python最近几年发展太快了，这本书定稿到发行的期间就有不少变化。这次希望能把这些变化补上。 |
 | 13 cchange 2013-08-04 20:24:25 +08:00 我买了第一版哦 不过还没怎么看 加油~ |
 | 14 sky395 2013-08-05 14:31:45 +08:00 加油！ 期待！！ |
 | 16 ayang23 2013-08-05 15:39:58 +08:00 楼主说的我现在就想看了，加油！ |
| 19 ruoyu0088 OP @ldehai 如果是Windows系统的话，可以用WinPython，这个虽然很大，但是不需要安装。你可以把不相关的库和工具都删掉，作成一个精简版的便携环境，压缩之后大概也就几十M，解压即用。这样做比打包要好用一些。 |
 | 21 BruceWang 2016-01-05 00:53:17 +08:00 书上市了嘛？ |
 | 23 flamhaze5946 2016-03-02 01:13:07 +08:00 @ruoyu0088 好像还没有... |
 | 24 practicer 2016-05-19 08:44:18 +08:00 感谢译者的努力，上市后一定购买 我入门的数据计算读物是另外一本， python for data analysis |
Select Language