공학도를 위한 파이썬 프로그래밍

책 소개 iii 머리말 iv 감사의 말 ix 저자 소개 xi 옮긴이 머리말 xii 제 1 장 공학 계산과 과학 계산 1 1장의 목표 1 1.1 수량의 수치 표현(Numerical Quantities) 3 1.1.1 위치/과학 표기법 3 1.1.2 정확도와 정밀도 5 1.1.3 유효 숫자 6 1.1.4 반올림 7 1.2 수학 함수들 10 1.2.1 절대값과 부호 함수 10 1.2.2 지수 함수와 로그 함수 11 1.2.3 삼각함수 15 1.2.4 쌍곡선 함수 20 1.3 복소수 22 1.4 공학 단위 24 1.5 문제 해결 방안 구성과 계획 28 연습 문제 37 제 2 장 컴퓨터 기반 계산 41 2장의 목표 41 2.1 컴퓨터 내부의 수치 저장 방법 44 2.1.1 정수 44 2.1.2 실수 46 2.2 컴퓨터가 텍스트를 저장하는 방법 50 2.3 부울 참/거짓 정보 50 2.4 컴퓨터 저장소의 발전과 용어 52 연습 문제 52 제 3 장 파이썬 기초 55 3장의 목표 55 3.1 Spyder/IPython 환경 57 3.2 수학 함수 62 3.3 변수와 할당 65 3.4 객체, 속성, 메서드 그리고 데이터 유형 69 3.4.1 부울 유형 71 3.4.2 문자 유형 73 3.5 데이터의 모음 74 3.6 플롯 생성하기 78 3.7 Spyder 에디터 84 3.8 입력과 출력 90 3.8.1 콘솔 입력과 출력 90 3.8.2 파일 입력과 출력 92 3.8.3 출력 서식 지정 94 3.9 도움 구하기 96 연습문제 101 제 4 장 파이썬을 사용한 구조적 프로그래밍 105 4장의 목표 105 4.1 프로그램 구조 소개 106 4.2 결정 구조의 구현 109 4.3 반복 구조의 구현 115 4.3.1 일반 루프 구조 115 4.3.2 리스트 중심 및 카운트 제어 루프 구조 117 4.3.3 for 루프에서의 break와 continue의 사용 123 4.4 사용자 정의 함수 126 4.4.1 람다 함수 128 4.4.2 함수 인수 129 4.4.3 변수 범위 136 연습문제 138 제 5 장 그래픽 - Matplotlib 145 5장의 목표 145 5.1 Matplotlib 소개 145 5.2 라인 및 산점 플롯에 대한 사용자 지정 149 5.3 그림 개체의 사용 161 5.4 히스토그램을 포함한 막대 플롯 165 5.5 다른 형태의 플롯 169 5.6 등고선 및 표면 플롯 176 연습문제 183 제 6 장 배열과 행렬 연산 187 6장의 목표 187 6.1 파이썬에서 배열 만들기 188 6.1.1 특수 배열 생성 191 6.1.2 배열 결합, 쌓기 그리고 분할 192 6.1.3 배열의 변형 193 6.2 인덱싱: 배열 첨자 194 6.3 배열 연산 197 6.4 벡터/행렬 연산 203 6.4.1 행렬/벡터 곱셈 203 6.4.2 전치 206 6.4.3 역행렬 207 연습문제 210 제 7 장 단일 대수 방정식 풀기 213 7장의 목표 213 7.1 하나의 미지수를 가진 단일 비선형 방정식의 성질 214 7.2 구간법 - 이분법 217 7.3 구간법 - 가위치법 222 7.4 개방법 - 뉴튼-랩슨법 228 7.5 개방법 - 수정 할선법 234 7.6 순환법 - 고정점 반복법 237 7.7 순환법 - 웨그스타인법 243 7.8 혼합형 접근 - 브렌트법(BRENT’S METHOD) 246 7.9 다항식 근 구하기 250 7.10 사례 연구: 공중에서 발사체 궤적 254 연습 문제 259 제 8 장 대수 연립방정식 풀기 265 8장의 목표 265 8.1 선형 대수 연립방정식 266 8.2 작은 크기의 선형 대수 연립방정식 풀기 268 8.2.1 그래픽 방법 268 8.2.2 행렬식과 크래이머 규칙 270 8.2.3 미지수 소거법 274 8.3 가우스 소거법 276 8.3.1 순수 가우스 소거법 278 8.3.2 가우스 소거법 컴퓨터 알고리즘 282 8.4 Numpy linalg 모듈을 이용하여 연립방정식의 해 구하기 291 8.5 비선형 대수 연립방정식 풀기 292 8.5.1 연속 대입법을 통한 비선형 대수 연립방정식 풀기 293 8.5.2 비선형 연립방정식을 위한 뉴튼-랩슨법 296 8.6 비선형 방정식을 풀기 위한 SCIPY optimize 모듈의 root 함수 사용 303 연습 문제 305 제 9 장 미분 방정식 풀이 311 9장의 목표 311 9.1 미분 방정식에 대한 설명 312 9.2 구적법(quadrature) - 곡선의 아래 면적 구하기 317 9.2.1 컴퓨터 이전의 방법 317 9.2.2 연속 함수의 구적법 319 9.2.3 SciPy의 모듈 integrate에서 제공하는 함수 quad 324 9.2.4 이산 데이터에 대한 구적법 325 9.3 초기 조건을 이용한 미분 방정식 풀기 327 9.3.1 오일러의 방법 327 9.3.2 호인의 방법 331 9.3.3 연립 미분 방정식 333 9.4 SCIPY의 모듈 integrate 내 함수 solve_ivp를 이용한 미분 방정식 풀기 340 연습문제 345 제 10 장 데이터 작업 351 10장의 목표 351 10.1 데이터 집합의 특성화: 초기 관찰과 표본 통계 352 10.1.1 일반적인 데이터 개념 353 10.1.2 표본 통계: 중심 경향치와 산포도 356 10.1.3 이상치 진단을 위한 상자 그림 사용 362 10.2 분포 366 10.2.1 몇 가지 중요 분포 369 10.2.2 파이썬과 분포 372 10.2.3 무작위 수 373 10.3 데이터에 기반한 주장 도출 377 10.3.1 표준과 데이터의 비교 378 10.3.2 두 개의 표본 간 비교 381 10.3.3 데이터가 정규 분포를 따르는지 확인 384 10.4 데이터에 수학적 모델 피팅 390 10.4.1 직선 형태의 선형 회귀 391 10.4.2 다항식 피팅 396 10.4.3 일반적인 문제와 주의사항 397 연습문제 408 참고문헌 413 찾아보기 415

출처: 국립중앙도서관 서지정보