Python地球科学数据分析

1.由意大利佩鲁贾大学物理与地质系教授毛里齐奥·彼得雷利编写，内容可靠，值得学习。 2.Python语言与地球科学数据分析的结合，提高效率，有效解决该领域的难题。 3.面向地球科学数据分析的实际应用进行设计，通过"概念解释→代码示例→应用示范"的模式进行组织，易学易掌握。 4.其间穿插丰富的图表及代码示例，适合初学者开展相关学习和研究。

随着计算机技术的发展，通过编写计算机程序来解决相关领域的难题已经成为人们普遍认同的解决方案。Python语言凭借其简洁特点赢得了越来越多人的青睐。
本书旨在结合Python语言讲解其在地球科学数据分析方面的应用。本书内容分为12章，从搭建Python环境开始讲解，陆续介绍了一系列适用于地球科学领域的Python知识，不仅涉及基础的编程语法，也涵盖实际的编程案例及程序运行结果。本书还结合统计学知识演示了一系列数据分析及可视化案例，通过一些典型的案例和编程方法展现了Python解决方案。
本书适合地球科学领域的师生阅读，也适合相关领域的科研工作者阅读，不要求读者有编程经验。

毛里齐奥·彼得雷利，目前在佩鲁贾大学物理与地质系工作，他的研究重点是火山的岩石学特征，致力于将机器学习技术应用于地质学。

第一部分地质学家应知应会的Python基础知识
第1章轻松搭建Python环境2
1．1Python编程语言2
1．2编程范例3
1．3本地Python环境3
1．4远程Python环境6
1．5Python包6
1．6专门为地质学家开发的Python包7
第2章地质学家推荐的Python知识8
2．1从使用IPython控制台开始8
2．2样式和命名规则10
2．3使用Python脚本11
2．4条件语句、缩进、循环和函数13
2．4．1条件语句13
2．4．2缩进和块14
2．4．3for循环15
2．4．4while循环16
2．4．5函数17
2．5导入外部库18
2．6基本运算和数学函数18
第3章用Python解决地质问题：简介21
3．1第一次使用Python绘制二元相图21
3．2建立第一个地球科学模型28
3．3空间数据表达的快速入门32
第二部分地质数据描述
第4章地质数据集的图形可视化38
4．1数据集的统计学描述：主要概念38
4．2可视化单变量样本分布39
4．2．1直方图39
4．2．2累积分布图41
4．3准备发布就绪的二元相图41
4．3．1子图41
4．3．2标记43
4．3．3图例49
4．3．4四舍五入小数、文本格式、符号和特殊字符52
4．3．5二元相图：plot()与scatter()的比较57
4．4多元数据可视化：首次尝试62
第5章描述统计1：单变量分析64
5．1描述统计基础64
5．2位置64
5．2．1平均数64
5．2．2中位数67
5．2．3众数68
5．3离差或尺度69
5．3．1极差69
5．3．2方差和标准差71
5．3．3四分位距73
5．4偏度74
5．5pandas中的描述统计77
5．6箱形图78
第6章描述统计2：双变量分析80
6．1协方差和相关性80
6．2简单线性回归83
6．3多项式回归85
6．4非线性回归87
第三部分地质学中的积分与微分方程
第7章数值积分94
7．1定积分94
7．2积分的基本性质95
7．3定积分的解析解和数值解95
7．4微积分的基本定理和解析解96
7．4．1微积分的基本定理96
7．4．2解析解：Python中的符号法96
7．5定积分的数值解97
7．5．1矩形法97
7．5．2梯形法100
7．5．3基于scipy的梯形法和复合辛普森法101
7．6计算地质构造体积103
7．7计算岩石静压力104
第8章微分方程110
8．1引言110
8．2常微分方程111
8．3一阶常微分方程的数值解116
8．3．1欧拉法116
8．3．2scipy．integrate．ode类118
8．4菲克扩散定律—一种广泛使用的偏微分方程120
8．4．1解析解121
8．4．2常数D的数值解123
第四部分概率密度函数与误差分析
第9章概率密度函数及其在地质学中的应用130
9．1概率分布与密度函数130
9．2正态分布131
9．2．1正态概率密度函数131
9．2．2生成服从正态分布的随机样本135
9．3对数正态分布137
9．4其他适用于地质学的概率密度函数139
9．5密度估计140
9．6中心极限定理与正态分布均值145
第10章误差分析148
10．1地质测量中的误差处理148
10．1．1准确度和准确度148
10．1．2置信区间151
10．1．3均值估计的不确定性：标准误差153
10．2二元相图中的不确定性报告155
10．3误差传播的线性化方法161
10．4误差传播的蒙特卡洛方法166
第五部分稳健统计与机器学习
第11章稳健统计导论174
11．1经典统计法和稳健统计法174
11．2正态检验175
11．2．1直方图和参数拟合175
11．2．2Q-Q图177
11．2．3统计检验178
11．3位置和尺度的稳健估计180
11．3．1位置的稳健估计和弱估计180
11．3．2尺度的稳健估计和弱估计183
11．3．3位置和尺度的联合稳健估计185
11．4地球化学中的稳健统计187
第12章机器学习189
12．1地质学中的机器学习导论189
12．2Python中的机器学习191
12．3机器学习在地质学中的研究案例191
12．3．1用于训练的实验数据192
12．3．2标准化194
12．3．3训练和测试模型197
附录A面向地质学家的Python包和资源201


A．1面向地质学家的Python包201

……