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精确度和准确度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
A.2面向地质学家的Python学习资源201
附录B面向对象编程导论202
B.1面向对象编程202
B.2在Python中定义类、属性和方法202
附录CMatplotlib面向对象API206
C.1Matplotlib应用程序接口206
C.2Matplotlib面向对象API206
C.3使用OO样式微调地质图207
附录D使用Pandas工具210
编程语言与程序设计
Python编程 从入门到实践 第3版（图灵出品）
编程语言与程序设计
Hello算法（图灵出品）
编程语言与程序设计
C++ Primer Plus 第6版 中文版(异步图书出品)
编程语言与程序设计
C++ Primer（中文版 第5版）(博文视点出品)
编程语言与程序设计
高效C/C++调试
