我們為你精選了一份Jupyter/IPython筆記本集合 !(附大量資源連結)-上篇

資料派THU發表於2019-04-23

目錄

1. 針對某個主題的書籍或其他筆記本大集合

  • 入門教程

  • 程式設計與電腦科學

  • 統計學,機器學習資料科學

  • 數學,物理,化學,生物學

  • 地球科學和地理空間資料

  • 語言學文字挖掘

  • 訊號處理

  • 工程教育

2. 使用SciPy Stack進行科學計算和資料分析

  • 科學計算的一般主題

  • 社交資料

  • 心理學和神經科學

  • 機器學習,統計和概率

  • 物理,化學和生物學

  • 經濟與金融

  • 地球科學和地理空間資料

  • 資料視覺化和繪圖

  • 數學

  • 訊號,聲音和影像處理

  • 自然語言處理

  • 用於資料分析的Pandas

3. 一般Python程式設計

4. 除Python以外的其他語言的筆記本

  • Julia

  • Haskell

  • Ruby

  • Perl

  • F#

  • C#

  • Javascript

5. 使用筆記本本身做不同事情的各種各樣的主題

6. 可重現的學術出版物

7. 資料為主的新聞

8. 異想天開的筆記本

9. 在自然環境下被使用的IPython視訊

10. 通過筆記本訪問IBM量子計算

注:5—10在下篇。

1. 針對某個主題的整本書籍或其他筆記本大集合

  • 入門教程

首先,如何在筆記本中執行程式碼。這裡面還有IPython 的一系列筆記本合集。這個系列中關於豐富的顯示系統的解釋也十分有用。

在筆記本中執行程式碼

https://nbviewer.jupyter.org/github/jupyter/notebook/blob/master/docs/source/examples/Notebook/Running%20Code.ipynb

一個很棒的matplotlib教程,是JR Johansson 使用Python進行科學計算的精彩講座的一部分。

matplotlib教程

https://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb

使用Python進行科學計算

https://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/tree/master/

C. Rossant 的IPython迷你書的程式碼,介紹了用於互動式計算和資料視覺化的IPython,NumPy,SciPy,Pandas和matplotlib。

IPython迷你書

https://github.com/rossant/ipython-minibook

由Rajath Kumar MP撰寫的《Python指南》(Python Tutorial)。

《Python指南》

https://github.com/rajathkmp/Python-Lectures

  • 程式設計與電腦科學

使用Jupyter的自動機和可計算性,整個課程是基於Taylor和Francis即將出版的書; 書名:“Automata and Computability:Programmer's Perspective”,作者:Ganesh Gopalakrishnan,鹽湖城猶他大學計算機學院教授。[英文書,有Youtube視訊]

使用Jupyter的自動機和可計算性

https://nbviewer.jupyter.org/github/ganeshutah/Jove/blob/master/notebooks/driver/Drive_Jove_Gallery_Examples.ipynb

程式設計簡介(使用Python)(Introduction to Programming (using Python)),這是由Eric Matthes編寫的完整的Python入門課程。這篇文章介紹了Eric任職的阿拉斯加高中的教育背景。

程式設計簡介(使用Python)(Introduction to Programming (using Python))

https://nbviewer.jupyter.org/github/ehmatthes/intro_programming/blob/master/notebooks/index.ipynb

Eric Matthes

https://peak5390.wordpress.com/about/

這篇文章

https://peak5390.wordpress.com/2013/09/22/how-ipython-notebook-and-github-have-changed-the-way-i-teach-python/

數字計算很有趣。建立這一系列筆記本旨在幫助教育有抱負的計算機程式設計師和所有年齡段的沒有程式設計經驗的資料科學家。

數字計算很有趣

https://github.com/eka-foundation/numerical-computing-is-fun

《Python for Developers》,Ricardo Duarte編寫的一本關於Python程式設計的完整書籍。此書籍也包含葡萄牙語版本。

《Python for Developers》

http://ricardoduarte.github.io/python-for-developers

Ricardo Duarte

https://github.com/ricardoduarte

葡萄牙語版本

http://ricardoduarte.github.io/python-para-desenvolvedores

CS1001.py - 電腦科學概論。特拉維夫大學的電腦科學入門課程,由Yoav Ram組組合為IPython筆記本。

CS1001.py - 電腦科學概論

https://github.com/yoavram/CS1001.py

Yoav Ram

http://www.yoavram.com/

使用Python進行探索性計算,這是一套涵蓋探索性計算,資料分析和視覺化的15本筆記本。無需程式設計經驗。每個筆記本包含一些練習(帶答案),所需時間不到4小時。由Mark Bakker為代爾夫特理工大學的本科工程專業學生開發。

使用Python進行探索性計算

http://mbakker7.github.io/exploratory_computing_with_python/

瞭解進化策略協方差矩陣適應,來自Luis Martí的高階進化計算的理論與實踐課程。

瞭解進化策略協方差矩陣適應

https://nbviewer.jupyter.org/github/lmarti/evolutionary-computation-course/blob/master/AEC.04%20-%20Evolutionary%20Strategies%20and%20Covariance%20Matrix%20Adaptation.ipynb

高階進化計算的理論與實踐課程

https://nbviewer.jupyter.org/github/lmarti/evolutionary-computation-course/tree/master/

用Python編寫Katas,包括搜尋和排序演算法,堆疊,佇列,連結串列,圖形,回溯和貪婪問題的演算法和資料結構練習的集合。

用Python編寫Katas

https://github.com/gudnm/codekatas

在劍橋大學工程學院的計算機課程(Michaelmas Term)Part IA的Jupyter筆記本活動,Garth Wells。

在劍橋大學工程學院的計算機課程(Michaelmas Term)Part IA的Jupyter筆記本活動

https://notebooks.azure.com/null/projects/null

《用於計算科學與工程的Python簡介(Hans Fangohr)》:初學者教材,每章分為一個Jupyter筆記本。可以使用Binder線上執行和互動。

《用於計算科學與工程的Python簡介(Hans Fangohr)》

https://github.com/fangohr/introduction-to-python-for-computational-science-and-engineering/blob/master/Readme.md

線上執行和互動

https://mybinder.org/v2/gh/fangohr/introduction-to-python-for-computational-science-and-engineering/master?filepath=index.ipynb

  • 統計學,機器學習資料科學

由Leif Rune Hellevik,Vinzenz Eck和Jacob T. Sturdy 為心血管建模的不確定性量化和靈敏度分析研討會開發的關於不確定性量化和靈敏度分析的介紹性筆記本。

心血管建模的不確定性量化和靈敏度分析研討會

http://sathercenter.berkeley.edu/peder-sather-grant/2016-grantees/

不確定性量化和靈敏度分析的介紹性筆記本

https://nbviewer.jupyter.org/github/lrhgit/uqsa_tutorials/blob/master/index.ipynb

Python資料科學手冊補充材料,由Jake VanderPlas撰寫的配合書本教學內容的筆記本集合。

Python資料科學手冊補充材料

https://github.com/jakevdp/PythonDataScienceHandbook

“ISP”:Introduction to Statistics with Python,一個筆記本合集,配合由Thomas Haslwanter的同名書

“ISP”:Introduction to Statistics with Python

https://github.com/thomas-haslwanter/statsintro_python

John Wittenauer 的,關於Andrew Ng的線上ML課程,Spark和TensorFlow的練習筆記本,以及來自scipy堆疊的其他工具的額外材料。

關於Andrew Ng的線上ML課程,Spark和TensorFlow的練習筆記本

https://github.com/jdwittenauer/ipython-notebooks

AM207:蒙特卡羅方法隨機優化:來自哈佛大學的Verena Kaynig-Fittkau和Pavlos Protopapas的完整課程,所有講座材料和家庭作業都被整合為筆記本。

AM207:蒙特卡羅方法隨機優化

http://am207.github.io/2016/

貝葉斯推理的介紹,這只是由Cameron Davidson-Pilon正在撰寫的書的第一章:使用為黑客設計的Python和PyMC概率程式設計和貝葉斯方法(Probabilistic Programming and Bayesian Methods for Hackers Using Python and PyMC)。

貝葉斯推理的介紹

http://nbviewer.jupyter.org/github/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/blob/master/Chapter1_Introduction/Ch1_Introduction_PyMC3.ipynb

貝葉斯資料分析:用於選擇模型和圖形的Python / PyMC3程式碼,來自John Kruschke(2015)出版的“做貝葉斯資料分析:R,JAGS和Stan的教程”第二版。

貝葉斯資料分析

https://github.com/JWarmenhoven/DBDA-python

學習資料科學,這是Nitin Borwankar的完全自學課程。

學習資料科學

http://learnds.com/

Cyrille Rossant的IPython Cookbook,Python資料科學綜合指南。GitHub儲存庫中提供了100個程式碼。

GitHub儲存庫

https://github.com/ipython-books/cookbook-code

Hannes Schulz和Andreas Mueller 的介紹使用Python和scikit-learn(repo和overview)的機器學習

介紹使用Python和scikit-learn(repo和overview)的機器學習

https://nbviewer.jupyter.org/github/temporaer/tutorial_ml_gkbionics/blob/master/2%20-%20KMeans.ipynb

都靈大學機器學習課程的進階筆記本合集(附練習)。

都靈大學機器學習課程的進階筆記本合集(附練習)

https://github.com/rugantio/MachineLearningCourse

聚類和迴歸,是Michael Franklin教授的加州大學伯克利分校2014年資料科學入門課程的一部分。

聚類和迴歸

https://nbviewer.jupyter.org/github/amplab/datascience-sp14/blob/master/hw2/HW2.ipynb

據科學入門課程

http://amplab.github.io/datascience-sp14/

神經網路,是Aaron Masino 機器學習系列的一部分。

神經網路https://nbviewer.jupyter.org/github/masinoa/machine_learning/blob/master/04_Neural_Networks.ipynb

Pandas介紹,由HernánRojas撰寫的關於Pandas的11節課教程的一部分。

撰寫的關於Pandas的11節課

https://bitbucket.org/hrojas/learn-pandas

Steve Phelps的使用Python的資料科學大資料

使用Python的資料科學大資料

https://github.com/phelps-sg/python-bigdata/blob/master/README.md

該Statsmodels專案有兩個優秀的的例子集合:在他們的官方文件和wiki中另一個文件中。那裡有太多要直接複製的內容,但它們提供了有關Python統計建模的優秀學習資料。

Statsmodels

http://www.statsmodels.org/stable/index.html

官方文件

http://www.statsmodels.org/devel/examples/index.html

使用Shogun工具箱進行機器學習。這是一個完整的服務,包括一個可立即執行的包含一系列筆記本的IPython例項,說明了Shogun工具箱的使用。只需登入並開始執行示例。

Shogun

http://shogun-toolbox.org/

Python for Data Analysis,來自CU Boulder Research Computing Group的入門系列。

Python for Data Analysis

https://github.com/ResearchComputing/Meetup-Fall-2013

CU Boulder Research Computing Group

http://researchcomputing.github.io/

Kaggle bulldozers競賽示例,由Daniel Rodríguez開發的使用copper toolkit的探索性資料分析教程之一。

理解模型可靠性,是Michael Waskom 的為心理學家進行統計和資料分析的完整課程的一部分。

理解模型可靠性https://nbviewer.jupyter.org/github/mwaskom/Psych216/blob/master/week6_tutorial.ipynb

線性模型的圖形表示,Seaborn統計視覺化庫的圖示,還包括視覺化資料分佈和表示時間序列圖中的可變性。由Micheal·Waskom撰寫。

Desperately Seeking Silver,哈佛大學CS 109資料科學課程的家庭作業之一。

Desperately Seeking Silver

https://nbviewer.jupyter.org/github/cs109/content/blob/master/HW2.ipynb

James,Witten,Hastie,Tibshirani(2013)的經典的“R的應用程式的統計學習簡介”中,除了本書的預設R示例之外,還有一本筆記本。一個由Jordi Warmenhoven撰寫,另一個由Matt Caudill撰寫。

“R的應用程式的統計學習簡介”

http://www-bcf.usc.edu/~gareth/ISL/

StatLearning練習的Python筆記本,用於StatLearning的R實驗室的Python實現:來自史丹佛大學的統計學習線上課程,由Trevor Hastie教授和Rob Tibshirani教授。

StatLearning練習的Python筆記本

https://github.com/sujitpal/statlearning-notebooks

使用Python的應用預測建模,來自Max Kuhn和Kjell Johnson 著名的入門書籍Applied Predictive Modeling的 Python例項(最初用R編寫)。

使用Python的應用預測建模

https://nbviewer.jupyter.org/github/leig/Applied-Predictive-Modeling-with-Python/tree/master/notebooks/

來自哥倫比亞大學Lede計劃的多個教師的資料科學,演算法和資料庫基礎的四門課程合集。

計劃的多個教師的資料科學,演算法和資料庫基礎的四門課程

https://nbviewer.jupyter.org/github/ledeprogram/courses/tree/master/

SciPy和OpenCV作為計算機視覺的互動式計算環境,由Thiago Santos提供,這是一個在2014年SIBGRAPI上釋出的教程。

SciPy和OpenCV作為計算機視覺的互動式計算環境

https://nbviewer.jupyter.org/github/thsant/scipy4cv/tree/master/

Python的卡爾曼和貝葉斯過濾器,由Roger Labbe提供。

Python的卡爾曼和貝葉斯過濾器

https://nbviewer.jupyter.org/github/rlabbe/Kalman-and-Bayesian-Filters-in-Python/blob/master/table_of_contents.ipynb

由Shashwat Shukla提供的 進行數字分類的Adaboost。在Python中完整實現Adaboost,帶有數字識別程式碼。

進行數字分類的Adaboost

https://nbviewer.jupyter.org/github/riddhishb/ipython-notebooks/blob/master/Adaboost/Adaboost_Final%20note.ipynb

一個機器學習筆記本,由Randal. S. Olson提供,是資料分析機器學習系列的一部分。

一個機器學習筆記本

https://nbviewer.jupyter.org/github/rhiever/Data-Analysis-and-Machine-Learning-Projects/blob/master/example-data-science-notebook/Example%20Machine%20Learning%20Notebook.ipynb

Pandas .head() to .tail(),由Tom Augspurger撰寫的關於Pandas的深度教程。

Apache SINGA教程。使用SINGA進行深度學習的Python教程。

Apache SINGA教程

https://nbviewer.jupyter.org/github/apache/incubator-singa/blob/master/doc/en/docs/notebook/index.ipynb

資料科學筆記本,由Donne Martin經常更新的統計推斷,資料分析,視覺化和機器學習筆記本。

資料科學筆記本

https://github.com/donnemartin/data-science-ipython-notebooks/blob/master/README.md

ETL with Python,ETL(Extract,Transfer和Load)教程,使用python petl包,載入到MySQL並使用csv檔案,由Dima Goldenberg提供。

ETL with Python

https://github.com/dimgold/ETL_with_Python/blob/master/README.md

  • 數學,物理,化學,生物學

單原子鐳射模型。這是使用JR Johansson的使用QuTiP的關於量子力學和量子光學的完整講座之一。

單原子鐳射模型

https://nbviewer.jupyter.org/github/jrjohansson/qutip-lectures/blob/master/Lecture-2B-Single-Atom-Lasing.ipynb

二維剛體轉換。這是生物力學和電機控制中的科學計算的一部分,這是由Marcos Duarte撰寫的完整的筆記本系列。

二維剛體轉換

https://nbviewer.jupyter.org/github/demotu/BMC/blob/master/notebooks/Transformation2D.ipynb

使用yt的天體物理模擬和分析:使用各種與yt的介面程式碼的示例筆記本集合:Enzo,Gadget,RAMSES,PKDGrav和Gasoline。注意:yt丟擲了一個ssl警告,似乎是由於一個過期的或自簽名的認證。

Working with Reactions,rdkit專案的一系列關於化學資訊學和機器學習的教程的一部分,由Greg Landrum提供。

Working with Reactions

https://nbviewer.jupyter.org/gist/greglandrum/4316430

CFD Python:Navier-Stokes的12個步驟。Lorena Barba的一套完整的計算流體動力學講座,從一維線性波到完整的二維Navier-Stokes 。

CFD Python:Navier-Stokes的12個步驟

http://lorenabarba.com/blog/cfd-python-12-steps-to-navier-stokes/

Pytherm - 應用熱力學。ATOMS使用Python和SciPy生態系統講授的應用熱力學。

Pytherm - 應用熱力學

https://nbviewer.jupyter.org/github/iurisegtovich/PyTherm-applied-thermodynamics/blob/master/index.ipynb

AeroPython:使用Python進行空氣動力學 - 流體動力學,這是由喬治華盛頓大學Lorena Barba教授的完整課程。

AeroPython:使用Python進行空氣動力學 - 流體動力學

https://github.com/barbagroup/AeroPython

Python實用數值方法,一系列學習模型(每個由幾本IPython筆記本組成),用於由喬治華盛頓大學Lorena Barba教授的數值微分方程課程。還在GW SEAS Open edX平臺上提供“大規模,開放式線上課程”(MOOC)。

Python實用數值方法

https://github.com/numerical-mooc/numerical-mooc

pyuvvis:用於探索光譜學的工具,用於整合ipython筆記本,matplotlib和pandas的光譜庫。

pyuvvis:用於探索光譜學的工具

https://github.com/hugadams/pyuvvis

HyperPython:雙曲線守恆定律解決方案的實用介紹,David Ketcheson的課程。

HyperPython:雙曲線守恆定律解決方案的實用介紹

https://nbviewer.jupyter.org/github/ketch/HyperPython/tree/master/

應用生物資訊學概論:生物資訊學的互動課程,由Greg Caporaso撰寫。

應用生物資訊學概論

http://readiab.org/

顏色科學計算與顏色,一個Python包實現的支援的色彩理論轉換和演算法的IPython的筆記本專用的合集。更多與顏色科學相關的IPython筆記本可在colour-science.org上找到。

IPython的筆記本

https://nbviewer.jupyter.org/github/colour-science/colour-ipython/blob/master/notebooks/colour.ipynb

來自Book Bioinformatics with Python Cookbook的筆記本,涵蓋了下一代測序,群體遺傳學,系統發育學,基因組學,蛋白質組學和地理參考資訊等幾個領域。

學習群體RNA世界中的遺傳學是一種互動式筆記本,通過構建RNA分子的計算機進化模型來解釋基本的群體遺傳學工具和技術。

學習群體RNA世界中的遺傳學

https://nbviewer.jupyter.org/github/gocarli/RNA-Popgen-Notebook/blob/master/Population_Genetics.ipynb

一個開放的RNA-Seq資料分析管道教程,其中有一個例子,用於重新處理最近的Zika病毒研究資料。這款筆記本完全再現了本文發表的研究成果。該筆記本主要使用python但包括一些bash和R,並且與生物資訊學和公共衛生領域的研究人員相關。

一個開放的RNA-Seq資料分析管道教程

https://nbviewer.jupyter.org/github/maayanlab/Zika-RNAseq-Pipeline/blob/master/Zika.ipynb

本文

https://f1000research.com/articles/5-1574/v1

肺癌翻譯後修飾和基因表達調控。這個Python筆記本使用Jupyter-widget Clustergrammer-Widget作為互動式熱圖來顯示來自37個肺癌細胞系的基因表達和翻譯後修飾資料的層次聚類。筆記本是本文研究專案的一部分。

肺癌翻譯後修飾和基因表達調控

https://nbviewer.jupyter.org/github/MaayanLab/CST_Lung_Cancer_Viz/blob/master/notebooks/CST_Data_Viz.ipynb?flush_cache=true

Python中使用pymatgen的材料科學。一系列關於材料科學的python筆記本使用pymatgen包和材料專案 API。

Python中使用pymatgen的材料科學

http://matgenb.materialsvirtuallab.org/

  • 地球科學和地理空間資料

EarthPy,一系列關於地球科學的IPython筆記本,從鯨魚軌道到亞馬遜流。

EarthPy

http://earthpy.org/

Python for Geosciences是一個針對地球科學界的教程系列,由Nikolay Koldunov撰寫。

Python for Geosciences

https://github.com/koldunovn/python_for_geosciences

檢視紐約地鐵入口附近的塗鴉,這是關於大量資料分析的豐富筆記本之一的筆記本,由Roy Hyunjin Han撰寫。

大量資料分析的豐富筆記本

https://github.com/invisibleroads/analytical-tutorials

Logistic models of well switching in Bangladesh,它是關於機器學習和Python資料分析的“Will it Python”部落格系列的一部分。作者:Carl Vogel。

Logistic models of well switching in Bangladesh

http://nbviewer.ipython.org/github/carljv/Will_it_Python/blob/master/ARM/ch5/arsenic_wells_switching.ipynb

估計在大陸低角度正常斷層上觀測大地震的可能性以及對低角度正常斷層活動的影響,Richard Styron和Eric Hetland在地球物理研究快報上發表的關於地震概率的論文的可執行版本。

估計在大陸低角度正常斷層上觀測大地震的可能性以及對低角度正常斷層活動的影響

https://nbviewer.jupyter.org/github/cossatot/lanf_earthquake_likelihood/blob/master/notebooks/lanf_manuscript_notebook.ipynb

python4oceanographers,一個部落格展示了物理海洋學中的分析,從資源需求的數值計算,編譯語言中的功能到專門的潮汐分析,使用互動式地圖等奇特的東西視覺化各種地理資料。

python4oceanographers

https://ocefpaf.github.io/python4oceanographers/

Machinalis有一個公共報告,為地理空間資料處理相關的部落格文章提供物質支援。它包括有關基於物件的影像分析和灌溉圈檢測的筆記本。

報告

https://github.com/machinalis/satimg

seismo-live是用於地震學的Jupyter筆記本集合。它包含了相當多的關於如何用各種不同的數值方法求解聲波和彈性波方程的筆記本。此外,它還包含對地震學中資料處理和訊號處理的廣泛介紹的筆記本,以及處理環境地震噪聲,旋轉和冰川地震等的筆記本。

seismo-live

http://seismo-live.org/

Geo-Python是對芬蘭赫爾辛基大學地球科學和地理系成員講授的地理學(地質學,地球物理學,地理學)學士和碩士學生的Python程式設計的介紹。課程和練習基於Jupyter筆記本,並且可供任何感興趣的人使用。

Geo-Python

https://geo-python.github.io/2018/

  • 語言學文字挖掘

文字分析的研討會,由Neal Caren專講。

文字分析的研討會

https://nbviewer.jupyter.org/github/nealcaren/workshop_2014/tree/master/notebooks/

檢測演算法生成的域,這是與IPython & friends進行面向安全的資料分析的Data Hacking集合的一部分。

檢測演算法生成的域

https://nbviewer.jupyter.org/github/ClickSecurity/data_hacking/blob/master/dga_detection/DGA_Domain_Detection.ipynb

挖掘社交網路(第3版)。完整的筆記本系列,配合Matthew Russell和Mikhail Klassen的書看更好,由O'Reilly 撰寫。

挖掘社交網路(第3版)

https://github.com/mikhailklassen/Mining-the-Social-Web-3rd-Edition

  • 訊號處理

傅立葉變換的聲音分析。Caleb Madrigal的一套IPython筆記本,用於解釋傅立葉變換的內容以及如何將其用於基本音訊處理應用程式。

傅立葉變換的聲音分析

https://github.com/calebmadrigal/FourierTalkOSCON

壓縮感測介紹,Python資訊處理的一部分:Jose Unpingco撰寫的關於這一主題的整本書(和部落格)。

壓縮感測介紹

https://nbviewer.jupyter.org/github/unpingco/Python-for-Signal-Processing/blob/master/Compressive_Sampling.ipynb

Python實現的卡爾曼和貝葉斯濾波器。關於卡爾曼濾波和其他相關貝葉斯過濾技術的教科書和附帶的過濾庫。

Python實現的卡爾曼和貝葉斯濾波器

https://nbviewer.jupyter.org/github/rlabbe/Kalman-and-Bayesian-Filters-in-Python/blob/master/table_of_contents.ipynb

使用動態時間扭曲和K最近鄰居對人體運動進行分類:來自智慧手機陀螺儀和加速度計的訊號用於分類人是否正在跑步、行走、坐著等。這個IPython筆記本包含一個python實現的DTW和KNN演算法的解釋和實際應用。

使用動態時間扭曲和K最近鄰居對人體運動進行分類

https://nbviewer.jupyter.org/github/markdregan/K-Nearest-Neighbors-with-Dynamic-Time-Warping/blob/master/K_Nearest_Neighbor_Dynamic_Time_Warping.ipynb

數字訊號處理一系列筆記本,附有關於該主題的碩士課程。

數字訊號處理一系列筆記本

https://github.com/spatialaudio/digital-signal-processing-lecture

openCV介紹,在python中使用openCV進行計算機視覺的入門課程。

openCV介紹

https://github.com/handee/opencv-gettingstarted

  • 工程教育

Jeff Kantor的化學工程分析介紹。一系列IPython筆記本,介紹了化學工程分析的主題,包括化學計量學,發電消耗分析,質量和能量平衡。

化學工程分析介紹

http://jckantor.github.io/CBE20255/

Andres Marrugo的感測器和執行器。以課程筆記和工程計算的形式的Jupyter筆記本的集合,關於Universidad Tecnológica de Bolívar的IMTR 1713感測器和執行器課程。

感測器和執行器

https://github.com/agmarrugo/sensors-actuators

使用SciPy Stack進行科學計算和資料分析

  • 科學計算的一般主題

IPython筆記中的演算法,由Sebastian Raschka撰寫。

IPython筆記中的演算法

https://github.com/rasbt/algorithms_in_ipython_notebooks

比較Python的編譯器的效能- Cythons vs. Numba vs. Parakeet,由Sebastian Raschka撰寫。

比較Python的編譯器的效能- Cythons vs. Numba vs. Parakeet

https://nbviewer.jupyter.org/github/rasbt/One-Python-benchmark-per-day/blob/master/ipython_nbs/day4_2_cython_numba_parakeet.ipynb

Sandia的Rick Muller撰寫的Python科學家速成課程。

Python科學家速成課程

https://nbviewer.jupyter.org/gist/rpmuller/5920182

一個溫柔的介紹Python中的科學的程式設計,偏重生物學家,由Mickey Atwal撰寫,來自冷泉港實驗室。

一個溫柔的介紹Python中的科學的程式設計

https://nbviewer.jupyter.org/url/atwallab.cshl.edu/teaching/QBbootcamp3.ipynb

Python for Data Science是一個由 Joe McCarthy設計的帶有練習的獨立迷你課程。

Python for Data Science

https://nbviewer.jupyter.org/github/gumption/Python_for_Data_Science/blob/master/Python_for_Data_Science_all.ipynb

關於資料分析的UW / Coursera課程的前幾個講座。(報告)由Chris Fonnesbeck撰寫。

關於資料分析的UW / Coursera課程的前幾個講座

https://nbviewer.jupyter.org/github/fonnesbeck/ComputationalMethodsCourse/blob/master/Lecture%201.ipynb

報告

https://github.com/fonnesbeck/ComputationalMethodsCourse

CythonGSL:GNU科學圖書館(GSL)的Cython介面(專案報告),由Thomas Wiecki撰寫。

CythonGSL:GNU科學圖書館(GSL)的Cython介面

https://nbviewer.jupyter.org/github/twiecki/CythonGSL/blob/master/examples/cython_gsl_ipythonnb.ipynb

numpy的數值計算簡介,由Steve Phelps撰寫。

numpy的數值計算簡介

https://nbviewer.jupyter.org/github/phelps-sg/python-bigdata/blob/master/src/main/ipynb/numerical-slides.ipynb

使用Numba加速數字程式碼。另一個Numba例子:自組織對映

使用Numba加速數字程式碼

https://nbviewer.jupyter.org/gist/Juanlu001/3914904

NumPy的表現技巧和部落格文章,用Cyrille Rossant撰寫。

NumPy的表現技巧

https://nbviewer.jupyter.org/gist/rossant/4645217

部落格文章

https://cyrille.rossant.net/numpy-performance-tricks/

Justin Riley的IPython並行推/執行/拉動演示。

IPython並行推/執行/拉動演示

https://nbviewer.jupyter.org/gist/jtriley/3866987

理解對R“公式”物件的設計,由Matthew Brett撰寫。

理解對R“公式”物件的設計

https://nbviewer.jupyter.org/url/perrin.dynevor.org/exploring_r_formula.ipynb

比較進化模擬的不同方法。此處可用於更好的閱讀。使用舊的nbconvert和第一個開發的reveal轉換器實現將筆記本轉換為HTML簡報。由Yoav Ram撰寫。

此處

https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&appmsgid=100011380&isMul=1&token=231318955&lang=zh_CN#/

旅行商問題,由Peter Norving撰寫。

旅行商問題

https://nbviewer.jupyter.org/url/norvig.com/ipython/TSP.ipynb

Fernando Perez 的針對科學家的git教程。

針對科學家的git教程

https://nbviewer.jupyter.org/github/fperez/reprosw/blob/master/Version%20Control.ipynb

使用pymatbridge 在IPython Notebook中執行MATLAB。

互動式曲線擬合,該lmfit軟體包為SciPy中的曲線擬合演算法提供基於小部件的介面。

互動式曲線擬合

https://nbviewer.jupyter.org/gist/danielballan/1c2db3d4f2f7780cf52f

Jeff Thompson 撰寫的為分散式計算提供Python Spark API的可視指南。

撰寫的為分散式計算提供Python Spark API的可視指南

https://nbviewer.jupyter.org/github/jkthompson/pyspark-pictures/blob/master/pyspark-pictures.ipynb

由Steve Phelps撰寫的關於使用Apache Spark和Python進行Map-Reduce程式設計的教程。

關於使用Apache Spark和Python進行Map-Reduce程式設計的教程。

https://nbviewer.jupyter.org/github/phelps-sg/python-bigdata/blob/master/src/main/ipynb/spark-mapreduce.ipynb

CodeCombat gridmancer求解器由Arn-O提供。這個筆記本解釋瞭如何使用啟發式函式改進遞迴樹搜尋,並找到gridmancer的最小解決方案。

  • 社交資料

生存分析,生命線圖書館的插圖,由Cam Davidson Pilon提供。

由Skipper Seabold提供的(完整報告)重建2012年美國總統選舉的Nate Silver的538模型。

2012年美國總統選舉的Nate Silver的538模型

https://nbviewer.jupyter.org/github/jseabold/538model/blob/master/silver_model.ipynb

關於新城,Conneticut的桑迪胡克大屠殺的資料,附有關於該主題的更詳細的部落格文章。這是筆記本和附帶的資料。作者:Brian Keegan。

部落格文章

http://www.brianckeegan.com/2012/12/sandy-hook-school-massacre/

更多關於維基百科資料的槍支暴力分析。

關於維基百科資料的槍支暴力分析

https://nbviewer.jupyter.org/gist/minrk/4358066

對加沙 - 以色列2012年危機的分析。

對加沙 - 以色列2012年危機的分析

https://nbviewer.jupyter.org/gist/darribas/4121857

排名NFL球隊。全部報告還包括的說明幻燈片。由Sean Taylor提供。

排名NFL球隊

https://nbviewer.jupyter.org/github/seanjtaylor/NFLRanking/blob/master/NFL%20Rankings.ipynb

自動處理新聞媒體和生成相關影像。

自動處理新聞媒體和生成相關影像

https://nbviewer.jupyter.org/url/mhermans.net/files/tmp/demo_rdf_HLN.ipynb

使用熊貓分析哥倫比亞國家學校標準化測試資料(西班牙語)。作者:Javier Moreno。

使用熊貓分析哥倫比亞國家學校標準化測試資料

https://nbviewer.jupyter.org/url/finiterank.com/saber/saber.ipynb

GDELT入門,由David Masad提供。GDELT是一個包含超過2億個地理定位事件的資料集,涵蓋了1979年至今的全球覆蓋範圍。David的另一個GDELT示例很好地整合了對映視覺化。

GDELT入門

https://nbviewer.jupyter.org/github/dmasad/GDELT_Intro/blob/master/Getting_Started_with_GDELT.ipynb

泰坦尼克號的乘客,煤礦災害,以及船舶速度的變化,由Christopher Fonnesbeck提供。

泰坦尼克號的乘客,煤礦災害,以及船舶速度的變化

https://nbviewer.jupyter.org/gist/fonnesbeck/8495259

2012年GDELT 對印度尼西亞衝突的地理分析,由herrfz撰寫。

2012年GDELT 對印度尼西亞衝突

https://nbviewer.jupyter.org/github/herrfz/gdelt/blob/master/indn_connection.ipynb

生物資訊學方法對詩歌韻律的計算,由A.Sean·Pue,C.Titus Brown和Tracy Teal提供。

生物資訊學方法對詩歌韻律的計算

https://nbviewer.jupyter.org/github/asp49/meter/blob/graph/Shared%20Horizons%20Presentation.ipynb

來自巴黎的Vélib資料集的分析,由Cyrille Rossant分析(Vélib是巴黎的自行車共享計劃)。

來自巴黎的Vélib資料集

https://nbviewer.jupyter.org/gist/rossant/5520933

使用Python看到時代雜誌如何寫男性和女性,由Neal Caren提供。

使用Python看到時代雜誌如何寫男性和女性

https://nbviewer.jupyter.org/gist/nealcaren/5105037

使用twython和NetworkX探索Twitter流的圖形屬性,由F. Perez提供(這裡有實用程式完整的gist repo)。

使用twython和NetworkX探索Twitter流的圖形屬性

https://nbviewer.jupyter.org/gist/fperez/5681541/TwitterGraphs.ipynb

Kaggle比賽:針對災難的泰坦尼克號機器學習。由Andrew Conti提供。

Kaggle比賽:針對災難的泰坦尼克號機器學習

https://nbviewer.jupyter.org/github/agconti/kaggle-titanic/blob/master/Titanic.ipynb

舊金山的餐廳多麼乾淨?一個資料科學教程和部落格文章來自Zipfian學院。

舊金山的餐廳多麼乾淨?

https://nbviewer.jupyter.org/github/Jay-Oh-eN/happy-healthy-hungry/blob/master/h3.ipynb

NYT性別工資差距和美國國家犯罪。

預測紐約市地鐵系統的使用情況,這是Asim Ihsan的Udacity Intro to Data Science Course 的最終專案。

最終專案

https://blog.udacity.com/2014/05/intro-to-data-science-tools-to-ask.html

2014年世界盃決賽的探索性統計分析,由Ricardo Tavares提供。足球分析的筆記本集合的一部分。

2014年世界盃決賽的探索性統計分析

https://nbviewer.jupyter.org/github/rjtavares/football-crunching/blob/master/notebooks/an%20exploratory%20data%20analysis%20of%20the%20world%20cup%20final.ipynb

舊金山的藥物地理學,Lance Martin對SF中公共犯罪資料的GIS分析。

舊金山的藥物地理學

https://nbviewer.jupyter.org/github/lmart999/GIS/blob/master/SF_GIS_Crime.ipynb

地理資料科學是Dani Arribas-Bel講授的學習訪問,挖掘和分析社會現象空間資料的完整課程。

地理資料科學

http://darribas.org/gds17/

使用Python和Pandas進行公開的OKCupid的個人資料資料集的分析和視覺化,由Alessandro Giusti提供,包括許多彩色的的資料視覺化

使用Python和Pandas進行公開的OKCupid的個人資料資料集的分析和視覺化

https://nbviewer.jupyter.org/github/lalelale/profiles_analysis/blob/master/profiles.ipynb

  • 心理學和神經科學

Will Adler提出的與神經種群的線索組合。理論的直覺和模擬(Ma et al,2006),通過概率人口程式碼,神經元可以用簡單的線性操作執行最佳線索組合。在不損害敢管系統的情況下顯示皮質活動的變化,是一種編碼感官測量不確定性的自適應機制。

神經種群的線索組合

https://nbviewer.jupyter.org/github/wtadler/cue-combination-with-neurons/blob/master/neural_cue_combination.ipynb

由Ariel Rokem 提供的使用非線性函式對心理物理資料進行建模。

使用非線性函式對心理物理資料進行建模

https://nbviewer.jupyter.org/github/arokem/teach_optimization/blob/master/optimization.ipynb

視覺化腦細胞連線的數學模型。研究了不同感受域函式和自然影像的卷積效應。

視覺化腦細胞連線的數學模型

https://nbviewer.jupyter.org/github/jonasnick/ReceptiveFields/blob/master/receptiveFields.ipynb

用於視覺研究的Python。為使用Python程式設計的視覺研究人員提供為期三天的速成課程,使用PsychoPy和psychopy_ext構建實驗,使用PyMVPA學習fMRI多體素模式分析,以及在Python中使用簡化的影像處理

用於視覺研究的Python

https://nbviewer.jupyter.org/github/gestaltrevision/python_for_visres/blob/master/index.ipynb

裝載和視覺化fMRI資料,是GAEL Varoquaux的NiLearn課程的功能性連線的一部分。

  • 機器學習,統計和概率

使用sklearn進行機器學習的教程,這是一個由Andreas Mueller建立的基於IPython的幻燈片。

使用sklearn進行機器學習的教程

https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&appmsgid=100011380&isMul=1&token=231318955&lang=zh_CN#/

用Python的scikit-learn介紹機器學習,由Cyrille Rossant提供。這是一個來自IPython Cookbook的免費教程,也是對於資料科學的一個全面的Python教程。

用Python的scikit-learn介紹機器學習

https://ipython-books.github.io/81-getting-started-with-scikit-learn/

Python預測模型介紹,由Olivier Grisel提供。

基於Wild資料庫中已標記面孔子集的面部識別,由Olivier Grisel提供。

基於Wild資料庫中已標記面孔子集的面部識別

https://nbviewer.jupyter.org/github/ogrisel/notebooks/blob/master/Labeled%20Faces%20in%20the%20Wild%20recognition.ipynb

面向多層次建模的貝葉斯方法介紹,由Chris Fonnesbeck提供。

面向多層次建模的貝葉斯方法介紹

https://nbviewer.jupyter.org/github/fonnesbeck/multilevel_modeling/blob/master/multilevel_modeling.ipynb

介紹貝葉斯網路由Kui Tang提供。

介紹貝葉斯網路

https://nbviewer.jupyter.org/github/kuitang/hackny-bayesnet/blob/master/hackNY%20Bayesian%20Network%20Demo.ipynb

由Thomas Wiecki 提供的用PyMC3進行貝葉斯資料分析

用PyMC3進行貝葉斯資料分析

https://nbviewer.jupyter.org/github/justmarkham/DAT4/blob/master/notebooks/08_linear_regression.ipynb

對於解決模式分類問題的例子集合,由Sebastian Raschka撰寫。

對於解決模式分類問題的例子集合

https://github.com/rasbt/pattern_classification

介紹使用Python的線性迴歸,由Kevin Markham撰寫。

介紹使用Python的線性迴歸

https://nbviewer.jupyter.org/github/justmarkham/DAT4/blob/master/notebooks/08_linear_regression.ipynb

Python機器學習,這是一個基於Andrew Ng的Coursera課程的機器學習系列。資料科學的筆記本大集合的一部分由Hohn Wittenauer提供。

Python機器學習

https://nbviewer.jupyter.org/github/jdwittenauer/ipython-notebooks/blob/master/notebooks/ml/ML-Exercise1.ipynb

可能性,悖論和理性人原則,作者Peter Norvig。

可能性,悖論和理性人原則

https://nbviewer.jupyter.org/url/norvig.com/ipython/Probability.ipynb

你有可能對Yelp進行五星評價嗎?--用scikit-learn 弄髒你的手,由Xun Tang提供。完整的幻燈片。

你有可能對Yelp進行五星評價嗎?--用scikit-learn 弄髒你的手

https://nbviewer.jupyter.org/github/xun-tang/pyladies_jupyter_demo/blob/master/Predict_Review_Five_Star_Rating.ipynb

幻燈片

https://docs.google.com/presentation/d/1bfrXePztSa-yTP8n_qTdd9zazNS_tyJs1mG3fYItznI/edit

地理人口統計細分模型,由Filipa Rodrigues編寫。

地理人口統計細分模型

https://nbviewer.jupyter.org/github/filipacsr/DataScience/blob/master/GeodemographicSegmentationModel.ipynb

  • 物理,化學和生物學

用blasr和(I)Python編寫一個基因組彙編程式,由[Jason Chin](Jason Chin)編寫。

用blasr和(I)Python編寫一個基因組彙編程式

https://nbviewer.jupyter.org/github/cschin/Write_A_Genome_Assembler_With_IPython/blob/master/Write_An_Assembler.ipynb

使用Python的多體動力學和控制,來自Jason K. Moore 的筆記本檔案。

使用Python的多體動力學和控制

http://www.moorepants.info/blog/npendulum.html

化學結構的顯示和操作,由Greg Landrum提供,使用rdkit。

化學結構的顯示和操作

https://nbviewer.jupyter.org/gist/greglandrum/4316433

氫的聲音,視覺化和聆聽氫的量子力學光譜。作者:Matthias Bussonnier。

氫的聲音

https://nbviewer.jupyter.org/github/Carreau/posts/blob/master/07-the-sound-of-hydrogen.ipynb

大型強子對撞機(LHC)的粒子物理學:在LHCb大規模中使用ROOT:由CERN的Alexander Mazurov和Andrey Ustyuzhanin 提供的筆記本1和筆記本2。

筆記本1

https://nbviewer.jupyter.org/github/mazurov/webfest2013/blob/master/notebooks/MasterClassD0-ex1.ipynb

筆記本2

https://nbviewer.jupyter.org/github/mazurov/webfest2013/blob/master/notebooks/MasterClassD0-ex2%2Cex3.ipynb

使用Python的NumPy的反應擴散方程求解器,由Georg Walther提供的一個演示,關於IPython筆記本如何用於在一頁上討論數值演算法的理論和實現。

使用Python的NumPy的反應擴散方程求解器

https://nbviewer.jupyter.org/github/waltherg/notebooks/blob/master/2013-12-03-Crank_Nicolson.ipynb

比較進化模擬的不同方法。此處也可用於更好的視覺化。使用舊的nbconvert和第一個開發的reveal轉換器實現將筆記本轉換為HTML簡報。由Yoav Ram提供。

  • 經濟與金融

由Vincent Arel-Bundock,Reinhart和Rogoof提供的經濟增長的高度爭議性分析的複製,完整報告。這是基於Herndon,Ash和Pollin對原始分析的廣泛宣傳。

Vincent Arel-Bundock

http://umich.edu/~varel

經濟增長的高度爭議性分析的複製

https://nbviewer.jupyter.org/github/vincentarelbundock/Reinhart-Rogoff/blob/master/reinhart-rogoff.ipynb

完整報告

https://github.com/vincentarelbundock/Reinhart-Rogoff

面向經濟金融的fecon235系列筆記本,用於檢驗經濟學和金融學的時間序列資料。Easy API可以自由訪問美聯儲,SEC,CFTC,股票和期貨交易所的資料。因此,可以複製舊筆記本的研究,並使用最新資料進行更新。例如,該筆記本預測美聯儲可能會制定聯邦基金利率政策,但CFTC交易商承諾報告中可以觀察到主要資產類別的市場情緒。主要經濟指標重新規範化:例如,各種通貨膨脹指標,可選擇具有來自美國國債的前瞻性盈虧平衡率。其他筆記本檢查了國際市場:特別是黃金和外匯。

面向經濟金融的fecon235

https://github.com/rsvp/fecon235

固定收益:結構化債券 - 互動式場景,在Jupyter使用互動式小部件和Python的連續償還債券,由Mats Gustavsson提供。

固定收益:結構化債券 - 互動式場景

https://nbviewer.jupyter.org/github/MatsGustavsson/finance-jupyter/blob/2b5c1458b0e9b9c299fe25590566814e92287a1c/SequentialStructure.ipynb

  • 地球科學和地理空間資料

探索海底棲息地:使用帶有GRASS&R的IPython Notebook進行地理分析。這在筆記本中嵌入了幻燈片和Web旋轉地球儀(Cesium)。作者:Massimo Di Stefano。

探索海底棲息地:使用帶有GRASS&R的IPython Notebook進行地理分析。

https://nbviewer.jupyter.org/gist/epifanio/7598354

使用IPython進行地理空間資料。來自SciPy2013 的Kelsey Jordahl的教程。

使用IPython進行地理空間資料

https://nbviewer.jupyter.org/github/mqlaql/geospatial-data/blob/master/Geospatial-Data-with-Python.ipynb

  • 資料視覺化和繪圖

繪製陷阱:繪製大型資料集時的常見問題,以及如何避免這些問題。作者:James A. Bednar。

繪製陷阱

https://anaconda.org/jbednar/plotting_pitfalls/notebook

使用資料共享器視覺化的美國人口普查資料和紐約計程車資料。

資料共享器

https://github.com/pyviz/datashader

來自Plotly的帶有互動式Hans Rosling Gapminder氣泡圖的筆記本。

筆記本

https://nbviewer.jupyter.org/github/plotly/python-user-guide/blob/master/s3_bubble-charts/s3_bubble-charts.ipynb

通過基於網路資源的資料和視覺化整合。使用NetCDF,Matplotlib,IPython Parallel和ffmpeg從網格資料的時間序列生成視訊動畫。作者:Massimo Di Stefano。

通過基於網路資源的資料和視覺化整合

http://tw.rpi.edu/media/2013/09/25/a48/The_Perfect_Storm_1991.html

21互動式,D3繪圖來自matplotlib,ggplot for Python,prettyplotlib,Stack Overflow和seaborn。

21互動式,D3繪圖來自matplotlib,ggplot for Python,prettyplotlib,Stack Overflow和seaborn

https://nbviewer.jupyter.org/gist/msund/7ac1203ded66fe8134cc

使用Matplotlib和Mayavi的復值函式的視覺化,由Emilia Petrisor提供。

使用Matplotlib和Mayavi的復值函式的視覺化

https://nbviewer.jupyter.org/github/empet/Math/blob/master/DomainColoring.ipynb

bqplot是一個完全基於該ipywidgets基礎架構構建的基於d3的互動式視覺化庫。請看Hans Rosling的國富論的pythonic recreation。

bqplot

https://github.com/bloomberg/bqplot

用於Matplotlib視覺化的D3檢視器,與上述不同,不依賴於Plot.ly帳戶。

用於Matplotlib視覺化的D3檢視器

http://jakevdp.github.io/blog/2013/12/19/a-d3-viewer-for-matplotlib/

Bokeh是一個用於Python(和其他語言)的互動式Web視覺化庫。它提供了類似d3的新穎圖形,而基於大型資料集,不需要任何Javascript知識。它還有一個Matplotlib相容層。

Bokeh是一個用於Python(和其他語言)的互動式Web視覺化庫

https://nbviewer.jupyter.org/github/bokeh/bokeh-notebooks/blob/master/quickstart/quickstart.ipynb

HoloViews可讓您在筆記本中非常簡潔地構建視覺化。

HoloViews

http://holoviews.org/Tutorials/Showcase.html

2014年E.Tufte Slope Graph比賽冠軍,由Pascal Schetelat提供。原始比賽資訊在Tufte網站。

2014年E.Tufte Slope Graph比賽冠軍

https://nbviewer.jupyter.org/gist/pascal-schetelat/8382651

matta,在IPython的筆記本基於d3.js-視覺化,由Eduardo Graells-Garrido提供。

在IPython的筆記本基於d3.js-視覺化

https://nbviewer.jupyter.org/github/carnby/matta/blob/master/examples/Basic%20Examples.ipynb

Clustergrammer Interactive Heatmap和DataFrame Viewer這個Python筆記本顯示了一個簡單的例子,說明如何使用Jupyter Widget Clustergrammer將矩陣檔案和Pandas DataFrame視覺化為互動式熱圖(使用D3.js構建)(參見論文)。

Clustergrammer Interactive Heatmap和DataFrame Viewer

https://nbviewer.jupyter.org/github/MaayanLab/clustergrammer-widget/blob/master/Running_clustergrammer_widget.ipynb

論文

https://www.nature.com/articles/sdata2017151

  • 數學

Cython的線性代數。以不同方式為筆記本設定樣式的教程來展示使用Notebook線上生成高質量的排版。作者:Carl Vogel。

Cython的線性代數

https://nbviewer.jupyter.org/github/carljv/cython_testing/blob/master/cython_linalg.ipynb

通過結合SymPy和matplotlib,探索即使在低序下,具有平滑外觀的功能也可以擁有非常令人驚訝的衍生產品。作者:Javier Moreno。

應用數學和機器學習教程集(土耳其語)。作者:Burak Bayramli。

應用數學和機器學習教程集

http://sayilarvekuramlar.blogspot.com/2015/12/matematik-ders-notlari.html

iminuit的函式最小化,他們的硬核教程的介紹。由iminuit專案提供。

Jim Mahoney提供的離散餘弦變換,簡要解釋和說明DCT背後的數學及其在JPEG影像格式中的作用。

使用Python的Chebfun,由Olivier Verdier提供的PyChebfun演示。PyChebfun是Battles和Trefethen的Chebfun包的純粹python實現。

矩陣指數,矩陣指數的介紹,它的應用程式,以及Python和MATLAB中可用軟體的列表由Sam Relton提供。

矩陣指數

https://nbviewer.jupyter.org/github/sdrelton/matrix_function_notebooks/blob/master/TheMatrixExponential.ipynb

分形,複雜的數字和你的想象力,由Caleb Fangmeier提供。

由Andrey Grozin撰寫的SymPy教程

SymPy教程

https://nbviewer.jupyter.org/url/www.inp.nsk.su/~grozin/python/sympy.ipynb

Python數學入門,一系列針對沒有/很少Python知識的數學家的筆記本。可以選擇筆記本作為研討會的資源。由Vince Knight提供。

Python數學入門

https://github.com/drvinceknight/Python-Mathematics-Handbook

訊號和聲音處理

在Python中使用deltasigma 模擬Delta Sigma調製器,這是Richard Schreier 優秀的 MATLAB Delta Sigma工具箱的 Python埠,由Giuseppe Venturini提供。README包中的幾個示範筆記本。

在Python中使用deltasigma 模擬Delta Sigma調製器

https://nbviewer.jupyter.org/github/ggventurini/python-deltasigma/blob/master/examples/dsdemo1.ipynb

PyOracle:由Greg Surges音樂結構的自動分析。

SciPy的視窗功能進行快速目視檢查和比較合集 由Jaidev Deshpande提供。

SciPy的視窗功能進行快速目視檢查和比較合集

https://nbviewer.jupyter.org/urls/gist.githubusercontent.com/jaidevd/b7d865f7f4b237ab5181/raw/30bc8f998bf8f924b56b32ce10acce125656ed7c/scipy_window_gallery.ipynb

泊松影像編輯| 無縫克隆通過由Dhruv Ilesh Shah提供,通過使用泊松求解器在迭代形式實現無縫影像克隆的筆記本。

泊松影像編輯| 無縫克隆

https://nbviewer.jupyter.org/github/riddhishb/ipython-notebooks/blob/master/Poisson%20Editing/Seamless_Cloning.ipynb

盲源分離| 雞尾酒會問題由Dhruv Ilesh Shah和Shashwat Shukla提供,這個筆記實現盲源分離,對音訊訊號以試圖解決Cocktail PartyPrblem問題。這個問題已經用兩種不同的方法解決了--FOBI和fastICA。

盲源分離| 雞尾酒會問題

https://nbviewer.jupyter.org/github/riddhishb/ipython-notebooks/blob/master/Cocktail%20Party%20Problem/PCA_ICA_FOBI.ipynb

  • 自然語言處理

由Folgert Karsdorp和Maarten van Gompel 提供的人文學科Python程式設計。

人文學科Python程式設計。

https://www.karsdorp.io/python-course/

由Andres Soto Villaverde提供的 使用Multinomial樸素貝葉斯的新聞分類。

使用Multinomial樸素貝葉斯的新聞分類。

https://nbviewer.jupyter.org/github/andressotov/News-Categorization-MNB/blob/master/News_Categorization_MNB%2010-oct-2017.ipynb

使用隨機交叉驗證進行的新聞分類,由Andres Soto Villaverde提供。

使用隨機交叉驗證進行的新聞分類

https://nbviewer.jupyter.org/github/andressotov/rnd_cross_valid/blob/master/Using%20random%20cross-validation%20for%20news%20categorization.ipynb

  • 用於資料分析的Pandas

請注意,在上面的“集合”部分中也與Pandas相關的連結,例如11課程教程的連結。

這是一個10分鐘的Pandas旋風之旅,這是Wes McKinney 視訊的筆記,Wes McKinney 是Pandas和Python資料分析的作者。

這是一個10分鐘的Pandas旋風之旅

https://nbviewer.jupyter.org/gist/wesm/4757075/PandasTour.ipynb

使用Pandas進行時間序列分析。

使用Pandas進行時間序列分析

https://nbviewer.jupyter.org/github/changhiskhan/talks/blob/master/pydata2012/pandas_timeseries.ipynb

使用Pandas進行財務資料分析

使用Pandas進行財務資料分析

https://nbviewer.jupyter.org/gist/twiecki/3962843

使用pandas和scipy對用於人類活動檢測的智慧手機感測器資料進行聚類,這是Coursera資料分析課程的一部分,在Python(repo)中完成。

使用pandas和scipy對用於人類活動檢測的智慧手機感測器資料進行聚類

https://nbviewer.jupyter.org/github/herrfz/dataanalysis/blob/master/week4/clustering_example.ipynb

使用Pandas進行日誌分析,這是由Taavi Burns 在PyConCa 2012上一組展示的一部分。

使用Pandas進行日誌分析

https://nbviewer.jupyter.org/url/taaviburns.ca/presentations/log_analysis_with_pandas/nb/5-Scatterplots.ipynb

用Pandas分析和視覺化太陽黑子資料,由Josh Hemann提供。關於簡單的的繪圖選擇如何巧妙地影響我們對資料的解釋的啟發性討論。

用Pandas分析和視覺化太陽黑子資料

https://nbviewer.jupyter.org/gist/jhemann/4569783

Apache日誌的高階分析,由Nikolay Koldunov提供。

Apache日誌的高階分析

https://nbviewer.jupyter.org/github/koldunovn/nk_public_notebooks/blob/master/Apache_log.ipynb

用Python進行統計資料分析,由Christopher Fonnesbeck提供,SciPy的2013年播視訊1,2,3,4。

用Python進行統計資料分析

https://github.com/fonnesbeck/statistical-analysis-python-tutorial

1

https://www.youtube.com/watch?v=DXPwSiRTxYY

2

https://www.youtube.com/watch?v=TGEBpzJUxdI

3

https://www.youtube.com/watch?v=YZDtBEEZuAk

4

https://www.youtube.com/watch?v=5_rcdhBXD-0

3. 一般Python程式設計

學習用Python進行編碼,來自滑鐵盧使用者組的Python介紹的一部分。

學習用Python進行編碼

https://nbviewer.jupyter.org/urls/bitbucket.org/amjoconn/watpy-learning-to-code-with-python/raw/3441274a54c7ff6ff3e37285aafcbbd8cb4774f0/notebook/Learn%20to%20Code%20with%20Python.ipynb

資料科學家的Python簡介,由Steve Phelps提供(資料科學大資料的大集合的一部分)。

資料科學家的Python簡介

https://nbviewer.jupyter.org/github/phelps-sg/python-bigdata/blob/master/src/main/ipynb/intro-python.ipynb

Python描述符揭祕,由Chris Beaumont撰寫的對Python中描述符協議的深入討論。

Python描述符揭祕

https://nbviewer.jupyter.org/gist/ChrisBeaumont/5758381/descriptor_writeup.ipynb

你應該知道的一些不那麼明顯的Python東西!由Sebastian Raschka提供。

你應該知道的一些不那麼明顯的Python東西

https://nbviewer.jupyter.org/github/rasbt/python_reference/blob/master/tutorials/not_so_obvious_python_stuff.ipynb?create=1

Python的2.7.x和Python 3.X之間的主要差異,由Sebastian Raschka提供。

Python的2.7.x和Python 3.X之間的主要差異

https://nbviewer.jupyter.org/github/rasbt/python_reference/blob/master/tutorials/key_differences_between_python_2_and_3.ipynb

新手指南Python的名稱空間,範圍解析度,LEGB規則,由Sebastian Raschka提供。

新手指南Python的名稱空間,範圍解析度,LEGB規則

https://nbviewer.jupyter.org/github/rasbt/python_reference/blob/master/tutorials/scope_resolution_legb_rule.ipynb?create=1

使用Python CSV模組排序CSV檔案,由Sebastian Raschka提供。

使用Python CSV模組排序CSV檔案

https://nbviewer.jupyter.org/github/rasbt/python_reference/blob/master/tutorials/sorting_csvs.ipynb

由Leonardo Giordani撰寫的 Python 3 OOP系列:第1部分:物件和型別,第2部分:類和成員,第3部分:委派 - 組合和繼承,第4部分:多型,第5部分:元類,第6部分:抽象基類

如何使用3種方法聚合訂閱者的興趣:(1)Python字典,(2)Apache PySpark - GroupBy轉換,以及(3)Apache PySpark - ReduceBy轉換,由Abbas Taher提供 。

如何使用3種方法聚合訂閱者的興趣

https://nbviewer.jupyter.org/github/abbas-taher/Montreal-Python-69/blob/master/Montreal%20Python%2069.ipynb

4. 除Python以外的語言的筆記本

這些是使用[其中一種IPython核心用於其他語言]的筆記本(其他語言的IPython核心):

  • Julia

用於在核心和客戶端之間進行通訊的IPython協議是語言無關的,並且其他程式語言社群已經開始在其語言中構建對該協議的支援。Julia團隊建立了IJulia,以下是一些Julia筆記本:

分形3種方式,作者:Jeff Bezanson。

多次排程的設計影響,Julia的多次排程設計的詳細解釋,由Stefan Karpinski撰寫。

多次排程的設計影響

https://nbviewer.jupyter.org/gist/StefanKarpinski/b8fe9dbb36c1427b9f22

一個用Plotly和Julia只做互動圖表的教程。

教程

https://nbviewer.jupyter.org/gist/bpostlethwaite/7551139

Julia的數字之旅

Julia的數字之旅

http://www.numerical-tours.com/julia/

功能幾何,由Shashi Gowda提供。

功能幾何

https://nbviewer.jupyter.org/github/shashi/ijulia-notebooks/blob/master/funcgeo/Functional%20Geometry.ipynb

JuliaOpt筆記本,一系列與優化相關的筆記本。

JuliaOpt筆記本

https://nbviewer.jupyter.org/github/JuliaOpt/juliaopt-notebooks/tree/master/notebooks/

使用IJulia筆記本的課程:

Métodos Numéricos Avanzados(2015-2),由Luis Benet和David P. Sanders提供。

Métodos Numéricos Avanzados(2015-2)

https://github.com/dpsanders/MetodosNumericosAvanzados

Métodos Monte Carlo,David Sanders

Métodos Monte Carlo

https://github.com/dpsanders/metodos-monte-carlo

線性偏微分方程:分析和數值,由Steven G. Johnson提供。

線性偏微分方程:分析和數值

https://github.com/mitmath/18303/tree/fall16

Julia計算分子生物學教程,由Younhun Kim和Matthew Reyna提供。

IJulia筆記本的其他系列:

Jiahao Chen

Jiahao Chen

http://jiahao.github.io/code/

Christoph Ortner

Christoph Ortner

https://homepages.warwick.ac.uk/staff/C.Ortner/index.php?page=julia

使用 Julia,Scipy和IPython跨越語言障礙,由Steven G. Johnson在EuroSciPy '14上展示。

使用 Julia,Scipy和IPython跨越語言障礙

https://github.com/stevengj/Julia-EuroSciPy14

  • Haskell

在IHaskell專案中存在用於IPython的Haskell核心。

IHaskell演示筆記本

IHaskell演示筆記本

https://nbviewer.jupyter.org/github/gibiansky/IHaskell/blob/master/notebooks/IHaskell.ipynb

同音縮減,解決了一個可愛的問題,關於將英文字母視為一個大群體的生成者。

同音縮減

https://nbviewer.jupyter.org/github/gibiansky/IHaskell/blob/master/notebooks/Homophones.ipynb

梯度下降型別類,看看如何使用型別類表示任意梯度下降演算法。

梯度下降型別類

https://nbviewer.jupyter.org/github/gibiansky/IHaskell/blob/master/notebooks/Gradient-Descent.ipynb

  • OCaml

iocaml是IPython的OCaml核心

使用OCaml進行H.261視訊解碼

使用OCaml進行H.261視訊解碼

https://andrewray.github.io/iocamljs/oh261.html

用OCaml實現2048遊戲

用OCaml實現2048遊戲

http://gazagnaire.org/fuconf14/

  • Ruby

Julia核心類似,也存在用於IPython 的Ruby核心。

IRuby演示筆記本

SciRuby筆記本

IRuby演示筆記本

https://nbviewer.jupyter.org/github/SciRuby/sciruby-notebooks/blob/master/getting_started.ipynb

SciRuby筆記本

https://github.com/SciRuby/sciruby-notebooks

互動式繪相簿Nyaplot使用IRuby進行了一些案例研究:

每GDP的戰爭支出在多個幾何多邊形中找到形狀共識

每GDP的戰爭支出

https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&appmsgid=100011380&isMul=1&token=85330028&lang=zh_CN#Case2-:Fill-countries-in-different-colors

在多個幾何多邊形中找到形狀共識

https://nbviewer.jupyter.org/gist/mgiraldo/a68b53175ce5892531bc

  • Perl

使用IPerl核心完全使用顯示協議的例子。

顯示協議

https://nbviewer.jupyter.org/github/zmughal/zmughal-iperl-notebooks/blob/master/IPerl-demos/20150209_IPerl_display_demo.ipynb

  • F#

Jupyter筆記本的F#

Jupyter筆記本的F#

https://github.com/fsprojects/IfSharp

  • C#

Xamarin工作簿為Android,iOS,Mac,WPF或控制檯建立豐富的C#工作簿,並在學習這些API時獲得即時實時結果。

Xamarin工作簿

https://github.com/xamarin/Workbooks

  • Javascript

兩個IJavascript筆記本演示如何使用D3進行計算併傳送SVG並使用虛擬DOM執行。

進行計算併傳送SVG

https://nbviewer.jupyter.org/gist/Fil/efb1c9f3f0a9092c420dfe4cef8def96

虛擬DOM執行

https://nbviewer.jupyter.org/gist/Fil/aec6cbf62f9b71c3407db87d5eb592e7/D3%20notebook.ipynb

相關文章