| Les deux révisions précédentesRévision précédente | |
| issue104:critique2 [2016/01/15 19:12] – erlevo | issue104:critique2 [2016/01/16 08:36] (Version actuelle) – auntiee |
|---|
| Le livre a été écrit par Amit Saha, un ingénieur logiciel. Il a aussi créé et maintient Fedora Scientific, une distribution Linux pour des utilisateurs scientifiques ou universitaires. | Le livre a été écrit par Amit Saha, un ingénieur logiciel. Il a aussi créé et maintient Fedora Scientific, une distribution Linux pour des utilisateurs scientifiques ou universitaires. |
| |
| Le langage du livre est simple et compréhensible. Le livre part du principe que vous connaissez bien les bases de Python. L'auteur fait vraiment du bon travail en démontrant comment diviser des formules compliquées en morceaux pour éviter de longues déclarations compliquées en Python. Dans de nombreux cas, j'avais l'impression de mieux comprendre la formule après l'application de ce procédé. La division des grandes formules en plus petites expressions pourrait aider un étudiant en difficulté en maths ou en sciences à réussir. Les explications des mathématiques et de la programmation sont claires et faciles à suivre. Le livre est autant un livre de maths et de sciences qu'un livre de programmation. Amit a réuni les trois sujets de façon naturelle et plaisante. L'utilisation de l'ordinateur accélère et facilite les modifications pour jouer avec les résultats. Je dois l'admettre, j'ai eu moi-même quelques moments « eurêka » et des fois où j'ai dû me forcer à avancer, car je passais beaucoup de temps à jouer avec les chiffres pour obtenir de nouveaux résultats. | Le langage du livre est simple et compréhensible. Le livre part du principe que vous connaissez bien les bases de Python. L'auteur fait vraiment du bon travail en démontrant comment diviser des formules compliquées en morceaux pour éviter de longues déclarations compliquées en Python. Dans de nombreux cas, j'avais l'impression de mieux comprendre la formule après application de ce procédé. La division des grandes formules en plus petites expressions pourrait aider un étudiant en difficulté en maths ou en sciences à réussir. Les explications des mathématiques et de la programmation sont claires et faciles à suivre. Le livre est autant un livre de maths et de sciences qu'un livre de programmation. Amit a réuni les trois sujets de façon naturelle et plaisante. L'utilisation de l'ordinateur accélère et facilite les modifications pour jouer avec les résultats. Je dois l'admettre, j'ai eu moi-même quelques moments « eurêka » et des fois où j'ai dû me forcer à avancer, car je passais beaucoup de temps à jouer avec les chiffres pour obtenir de nouveaux résultats. |
| |
| **The book is divided into 7 chapters. The following is a short synopsis of each chapter. | **The book is divided into 7 chapters. The following is a short synopsis of each chapter. |
| Le chapitre 1, Working with numbers (Utiliser les nombres), est l'introduction du livre. Vous passez en revue les différents nombres que vous pouvez créer dans Python, y compris les fractions et les nombres complexes. Vous voyez aussi comment utiliser les opérateurs mathématiques de base (plus, moins, multiplier, diviser, module et exposant) disponibles dans Python. Vous apprenez à assigner une étiquette à un nombre pour l'utiliser plus tard dans un programme. Il les appelle « étiquettes » plutôt que le traditionnel « variable » pour éviter la confusion avec le terme utilisé au sens mathématique. Vous voyez comment créer et utiliser les fractions et les nombres complexes ainsi que les opérations mathématiques avec ces types de nombres. La saisie et la vérification des entrées de l'utilisateur est examinée, puis présentée souvent tout au long du livre. Votre premier programme est un programme qui calcule les facteurs d'un nombre fourni. Le premier gros morceau de ce livre est de traduire la racine d'une équation du second degré en utilisant les fonctions et opérateurs disponibles dans Python. | Le chapitre 1, Working with numbers (Utiliser les nombres), est l'introduction du livre. Vous passez en revue les différents nombres que vous pouvez créer dans Python, y compris les fractions et les nombres complexes. Vous voyez aussi comment utiliser les opérateurs mathématiques de base (plus, moins, multiplier, diviser, module et exposant) disponibles dans Python. Vous apprenez à assigner une étiquette à un nombre pour l'utiliser plus tard dans un programme. Il les appelle « étiquettes » plutôt que le traditionnel « variable » pour éviter la confusion avec le terme utilisé au sens mathématique. Vous voyez comment créer et utiliser les fractions et les nombres complexes ainsi que les opérations mathématiques avec ces types de nombres. La saisie et la vérification des entrées de l'utilisateur est examinée, puis présentée souvent tout au long du livre. Votre premier programme est un programme qui calcule les facteurs d'un nombre fourni. Le premier gros morceau de ce livre est de traduire la racine d'une équation du second degré en utilisant les fonctions et opérateurs disponibles dans Python. |
| |
| Le chapitre 2, Visualizing Data Using Graphs (Visualiser les données avec des graphiques), vous apprend les bases du tracé d'un graphique en utilisant le module matplotlib. Vous apprenez à alimenter la fonction plot en données, mettre un titre et des étiquettes sur le graphique, créer une légende, et déterminer les valeurs maximum et minimum des axes X et Y. Après avoir tracé plusieurs graphiques à ligne unique, vous tracez une série de graphiques multilignes, et l'on vous explique comment utiliser un graphique pour comparer deux jeux de données. Enfin, vous utilisez une formule pour générer les données que vous tracez sur votre graphique. C'est une étape importante dans l'évolution de votre connaissance du module matplotlib. Dans les exercices de fin de chapitre, vous apprenez même à créer un graphique en barres avec matplotlib. | Le chapitre 2, Visualizing Data Using Graphs (Visualiser les données avec des graphiques), vous apprend les bases du tracé d'un graphique en utilisant le module matplotlib. Vous apprenez à alimenter la fonction plot en données, mettre un titre et des étiquettes sur le graphique, créer une légende, et déterminer les valeurs maximum et minimum des axes X et Y. Après avoir tracé plusieurs graphiques à ligne unique, vous tracez une série de graphiques multilignes, avec une présentation de comment utiliser un graphique pour comparer deux jeux de données. Enfin, vous utilisez une formule pour générer les données que vous tracez sur votre graphique. C'est une étape importante dans l'évolution de votre connaissance du module matplotlib. Dans les exercices de fin de chapitre, vous apprenez même à créer un graphique en barres avec matplotlib. |
| |
| **Chapter 3, Describing Data with Statistics, you dive into the exciting world of statistics. You create functions for calculating the basic equations of statistics, mean, median, mode, range, variance, and standard deviation. Although not directly discussed in the book, these functions would make a good library collected into one file. You work through the complicated formula for calculating a Correlation Coefficient between two sets of numbers. You then learn how to create a scatter plot in matplotlib. If you have never used a scatter plot before, you learn that even though the mean, standard deviation, and correlation of sets may look the same, scatter plots can give a view of the data that tells a whole new story. With a scatter plot, you can see the outliers that can skew your numbers. You then get a refresher on how to import data from a text file, and more importantly, how to import data from a comma-separated value (CSV) file. CSV files are a good way to get large amounts of data into your program. | **Chapter 3, Describing Data with Statistics, you dive into the exciting world of statistics. You create functions for calculating the basic equations of statistics, mean, median, mode, range, variance, and standard deviation. Although not directly discussed in the book, these functions would make a good library collected into one file. You work through the complicated formula for calculating a Correlation Coefficient between two sets of numbers. You then learn how to create a scatter plot in matplotlib. If you have never used a scatter plot before, you learn that even though the mean, standard deviation, and correlation of sets may look the same, scatter plots can give a view of the data that tells a whole new story. With a scatter plot, you can see the outliers that can skew your numbers. You then get a refresher on how to import data from a text file, and more importantly, how to import data from a comma-separated value (CSV) file. CSV files are a good way to get large amounts of data into your program. |
| Chapter 4, Algebra and Symbolic Math with SymPy, plunges you into the world of Algebra and symbolic math. SymPy is a module that allows you to use symbols in your formula and get results. After learning how to create a symbol object, you begin to work with Algebraic expressions, factoring expressions, creating series, simplifying expressions, and substituting values for symbols. Then you are off solving equations and plotting equations using SymPy. This naturally led to plotting multiple expressions on one chart.** | Chapter 4, Algebra and Symbolic Math with SymPy, plunges you into the world of Algebra and symbolic math. SymPy is a module that allows you to use symbols in your formula and get results. After learning how to create a symbol object, you begin to work with Algebraic expressions, factoring expressions, creating series, simplifying expressions, and substituting values for symbols. Then you are off solving equations and plotting equations using SymPy. This naturally led to plotting multiple expressions on one chart.** |
| |
| Le chapitre 3, Describing Data with Statistics (Décrire des données par les statistiques), vous plonge dans le monde passionnant des statistiques. Vous créez des fonctions pour calculer des équations statistiques de base, moyenne, mode, rang, variance et déviation standard. Bien qu'elles ne soient pas présentées directement dans le livre, ces fonctions, rassemblées en un seul fichier, feraient une bonne bibliothèque. Vous étudiez la formule compliquée pour calculer le coefficient de corrélation entre deux jeux de valeurs. Puis vous apprenez à créer un graphique en nuage de points avec matplotlib. Si vous n'avez jamais utilisé un graphique en nuage de points auparavant, vous apprenez que même si la moyenne, la déviation standard et la corrélation de données peuvent se ressembler, le graphique en nuage de points peut rendre les données autrement compréhensibles. Avec le nuage de points, vous pouvez voir les aberrations qui peuvent fausser vos chiffres. Puis on vous rappelle comment importer des données à partir d'un fichier texte et, plus important, comment importer des données depuis un fichier en utilisant la virgule comme séparateur (CSV). Les fichiers CSV sont une bonne manière d'alimenter votre programme avec de grandes quantités de données. | Le chapitre 3, Describing Data with Statistics (Décrire des données par les statistiques), vous plonge dans le monde passionnant des statistiques. Vous créez des fonctions pour calculer des équations statistiques de base, moyenne, mode, rang, variance et déviation standard. Bien qu'elles ne soient pas présentées directement dans le livre, ces fonctions, rassemblées en un seul fichier, feraient une bonne bibliothèque. Vous étudiez la formule compliquée pour calculer le coefficient de corrélation entre deux jeux de valeurs. Puis vous apprenez à créer un graphique en nuage de points avec matplotlib. Si vous n'avez jamais utilisé un graphique en nuage de points auparavant, vous apprenez que même si la moyenne, la déviation standard et la corrélation de données peuvent se ressembler, le graphique en nuage de points peut rendre les données autrement compréhensibles. Avec le nuage de points, vous pouvez voir les aberrations qui peuvent fausser vos chiffres. Puis vous trouvez un rappel de comment importer des données à partir d'un fichier texte et, plus important, comment importer des données depuis un fichier avec une virgule comme séparateur (CSV). Les fichiers CSV sont une bonne manière d'alimenter votre programme avec de grandes quantités de données. |
| |
| Le chapitre 4, Algebra and Symbolic Math with SymPy (Algèbre et mathématiques symboliques avec SymPy), vous plonge dans le monde de l'algèbre et des maths symboliques. SymPy est un module qui vous permet d'utiliser des symboles dans vos formules pour obtenir des résultats. Après avoir appris comment créer un objet symbolique, vous commencez à travailler avec des expressions algébriques, factorisant des expressions, créant des séries, simplifiant des expressions et substituant des valeurs aux symboles. Ensuite, vous êtes prêts pour la résolution de problèmes et le tracé d'équations en utilisant SymPy. Ceci conduit naturellement à tracer plusieurs expressions sur un seul graphique. | Le chapitre 4, Algebra and Symbolic Math with SymPy (Algèbre et mathématiques symboliques avec SymPy), vous plonge dans le monde de l'algèbre et des maths symboliques. SymPy est un module qui vous permet d'utiliser des symboles dans vos formules pour obtenir des résultats. Après avoir appris comment créer un objet symbolique, vous commencez à travailler avec des expressions algébriques, factorisant des expressions, créant des séries, simplifiant des expressions et substituant des valeurs aux symboles. Ensuite, vous commencez d'emblée à résoudre des équations et à en faire le tracé en utilisant SymPy. Ceci conduit naturellement à tracer plusieurs expressions sur un seul graphique. |
| |
| **Chapter 5, Playing with Sets and Probability, introduces you to creating sets in SymPy. SymPy sets behave just like mathematical sets and give you the ability to calculate subsets, supersets, and power sets. It also has the set operators for union, intersection, and Cartesian product. With these tools in hand, you find yourself applying sets to formulas and getting results. You are also introduced to working with probability using sets. This uses the union and intersection of sets to create an event set for calculating the probability of the resulting set. The work with probability includes both uniform and nonuniform probabilities. | **Chapter 5, Playing with Sets and Probability, introduces you to creating sets in SymPy. SymPy sets behave just like mathematical sets and give you the ability to calculate subsets, supersets, and power sets. It also has the set operators for union, intersection, and Cartesian product. With these tools in hand, you find yourself applying sets to formulas and getting results. You are also introduced to working with probability using sets. This uses the union and intersection of sets to create an event set for calculating the probability of the resulting set. The work with probability includes both uniform and nonuniform probabilities. |
