隨著計算機技術的發展，通過編寫計算機程序來解決相關領域的難題已經成為人們普遍認同的解決方案。Python語言憑借其簡潔特點贏得了越來越多人的青睞。
本書旨在結合Python語言講解其在地球科學數據分析方面的應用。本書內容分為12章，從搭建Python環境開始講解，陸續介紹了一系列適用于地球科學領域的Python知識，不僅涉及基礎的編程語法，也涵蓋實際的編程案例及程序運行結果。本書還結合統計學知識演示了一系列數據分析及可視化案例，通過一些典型的案例和編程方法展現了Python解決方案。
本書適合地球科學領域的師生閱讀，也適合相關領域的科研工作者閱讀，不要求讀者有編程經驗。
1.由意大利佩魯賈大學物理與地質系教授毛里齊奧·彼得雷利編寫，內容可靠，值得學習。
2.Python語言與地球科學數據分析的結合，提高效率，有效解決該領域的難題。
3.面向地球科學數據分析的實際應用進行設計，通過"概念解釋代碼示例應用示范"的模式進行組織，易學易掌握。
4.其間穿插豐富的圖表及代碼示例，適合初學者開展相關學習和研究。
毛里齊奧·彼得雷利，目前在佩魯賈大學物理與地質系工作，他的研究重點是火山的巖石學特征，致力于將機器學習技術應用于地質學。
目錄
第 一部分 地質學家應知應會的Python基礎知識
第 1章 輕松搭建Python環境 2
1.1 Python編程語言 2
1.2 編程范例 3
1.3 本地Python環境 3
1.4 遠程Python環境 6
1.5 Python包 6
1.6 專門為地質學家開發的Python包 7
第 2章 地質學家必備的Python知識 8
2.1 從使用IPython控制臺開始 8
2.2 樣式和命名規則 10
2.3 使用Python腳本 11
2.4 條件語句、縮進、循環和函數 13
2.4.1 條件語句 13
2.4.2 縮進和塊 14
2.4.3 for循環 15
2.4.4 while循環 16
2.4.5 函數 17
2.5 導入外部庫 18
2.6 基本運算和數學函數 18
第3章 用Python解決地質問題：簡介 21
3.1 第 一次使用Python繪制二元相圖 21
3.2 建立第 一個地球科學模型 28
3.3 空間數據表達的快速入門 32
第二部分 地質數據描述
第4章 地質數據集的圖形可視化 38
4.1 數據集的統計學描述：主要概念 38
4.2 可視化單變量樣本分布 39
4.2.1 直方圖 39
4.2.2 累積分布圖 41
4.3 準備發布就緒的二元相圖 41
4.3.1 子圖 41
4.3.2 標記 43
4.3.3 圖例 49
4.3.4 四舍五入小數、文本格式、符號和特殊字符 52
4.3.5 二元相圖：plot()與scatter()的比較 57
4.4 多元數據可視化：首次嘗試 62
第5章 描述統計1：單變量分析 64
5.1 描述統計基礎 64
5.2 位置 64
5.2.1 平均數 64
5.2.2 中位數 67
5.2.3 眾數 68
5.3 離差或尺度 69
5.3.1 極差 69
5.3.2 方差和標準差 71
5.3.3 四分位距 73
5.4 偏度 74
5.5 pandas中的描述統計 77
5.6 箱形圖 78
第6章 描述統計2：雙變量分析 80
6.1 協方差和相關性 80
6.2 簡單線性回歸 83
6.3 多項式回歸 85
6.4 非線性回歸 87
第三部分 地質學中的積分與微分方程
第7章 數值積分 94
7.1 定積分 94
7.2 積分的基本性質 95
7.3 定積分的解析解和數值解 95
7.4 微積分的基本定理和解析解 96
7.4.1 微積分的基本定理 96
7.4.2 解析解：Python中的符號法 96
7.5 定積分的數值解 97
7.5.1 矩形法 97
7.5.2 梯形法 100
7.5.3 基于scipy的梯形法和復合辛普森法 101
7.6 計算地質構造體積 103
7.7 計算巖石靜壓力 104
第8章 微分方程 110
8.1 引言 110
8.2 常微分方程 111
8.3 一階常微分方程的數值解 116
8.3.1 歐拉法 116
8.3.2 scipy.integrate.ode類 118
8.4 菲克擴散定律一種廣泛使用的偏微分方程 120
8.4.1 解析解 121
8.4.2 常數D的數值解 123
第四部分 概率密度函數與誤差分析
第9章 概率密度函數及其在地質學中的應用 130
9.1 概率分布與密度函數 130
9.2 正態分布 131
9.2.1 正態概率密度函數 131
9.2.2 生成服從正態分布的隨機樣本 135
9.3 對數正態分布 137
9.4 其他適用于地質學的概率密度函數 139
9.5 密度估計 140
9.6 中心極限定理與正態分布均值 145
第 10章 誤差分析 148
10.1 地質測量中的誤差處理 148
10.1.1 精確度和準確度 148
10.1.2 置信區間 151
10.1.3 均值估計的不確定性： 標準誤差 153
10.2 二元相圖中的不確定性 報告 155
10.3 誤差傳播的線性化方法 161
10.4 誤差傳播的蒙特卡洛方法 166
第五部分 穩健統計與機器學習
第 11章 穩健統計導論 174
11.1 經典統計法和穩健統計法 174
11.2 正態檢驗 175
11.2.1 直方圖和參數擬合 175
11.2.2 Q-Q圖 177
11.2.3 統計檢驗 178
11.3 位置和尺度的穩健估計 180
11.3.1 位置的穩健估計和 弱估計 180
11.3.2 尺度的穩健估計和 弱估計 183
11.3.3 位置和尺度的聯合穩健 估計 185
11.4 地球化學中的穩健統計 187
第 12章 機器學習 189
12.1 地質學中的機器學習導論 189
12.2 Python中的機器學習 191
12.3 機器學習在地質學中的 研究案例 191
12.3.1 用于訓練的實驗 數據 192
12.3.2 標準化 194
12.3.3 訓練和測試模型 197
附錄A 面向地質學家的Python包和資源 201
A.1 面向地質學家的Python包 201
A.2 面向地質學家的Python學習資源 201
附錄B 面向對象編程導論 202
B.1 面向對象編程 202
B.2 在Python中定義類、屬性和方法 202
附錄C Matplotlib面向對象API 206
C.1 Matplotlib應用程序接口 206
C.2 Matplotlib面向對象API 206
C.3 使用OO樣式微調地質圖 207
附錄D 使用Pandas工具 210
新書資訊