Python
常微分方程(十八):前沿专题与系列总结
系列终章。回顾正在重塑动力学建模的四大前沿——Neural ODE、时滞方程、随机微分方程、分数阶微积分——然后用一张方法选择流程图、一张 ODE-机器学习连接图,把整个 18 章的旅程做一次完整的盘点和送别。
常微分方程(十七):物理与工程应用
ODE 在物理和工程中的真实应用:非线性单摆、RLC 电路与谐振、开普勒轨道与守恒律、多自由度结构振动与调谐质量阻尼器、流体从 Poiseuille 流到旋涡脱落——五个经典案例配完整 Python 仿真。
常微分方程(十六):控制理论基础
从经典 PID 控制器、根轨迹、Bode 图,到现代状态空间方法、极点配置、LQR 最优控制和 Luenberger 观测器:本章用 ODE 把控制理论的核心串成一个完整的设计闭环。
常微分方程(十五):种群动力学
数学生态学完整地图:从单种群 Logistic 与 Allee,到 Lotka-Volterra 捕食与竞争,再到年龄结构 Leslie 矩阵、集合种群、Fisher-KPP 行波。
常微分方程(十四):传染病模型与流行病学
从第一性原理构建数学流行病学:SIR / SEIR 模型,R0 与群体免疫阈值的解析推导,以及包含无症状传播与时变干预的 COVID 风格情景。
常微分方程(十三):偏微分方程引论
当未知函数依赖多于一个自变量时,ODE 世界分裂为更广阔的偏微分方程世界。本章系统地讲三大经典方程:热方程、波动方程、Laplace 方程。
常微分方程(十二):边值问题
边值问题在区间两端各给一部分信息。掌握打靶法、有限差分、配点法和 Sturm-Liouville 特征值问题——从梁的挠度到量子谐振子。
常微分方程(十一):数值方法
从欧拉的切线一步到 Dormand-Prince 自适应积分器:实用数值工具集。收敛阶、A-稳定性、刚性问题,以及何时该用 Radau 或 BDF 取代 RK45。
常微分方程(十):分岔理论
为什么湖泊会突然从清澈变浑浊?为什么股市会毫无预兆地崩盘?分岔理论是研究系统'质变'的数学工具——而所有质变其实只有几种标准形式。
常微分方程(一):微分方程的起源与直觉
微分方程为何存在?从冷却的咖啡和摆动的单摆出发,建立你对 ODE 的第一直觉,并用 Python 求解第一个微分方程。
Python 工程实践(八):性能优化 —— 性能分析、缓存与适时收手
通过性能分析定位真实瓶颈,仅在关键路径上应用缓存与向量化,并避免过早优化的陷阱。
Python 工程实践(七):打包分发 —— 从 pip install 到 PyPI
将 Python 代码打包为可分发形式,通过 pip 安装、发布至 PyPI、构建 Docker 镜像,并管理版本号。本指南完整覆盖从本地项目到可安装包的全流程。
Python 工程实践(六):并发编程 —— 线程、进程与 asyncio
深入理解 GIL,掌握 threading、multiprocessing 和 asyncio。学会为 I/O 密集型与 CPU 密集型任务选择最合适的并发模型。
Python 工程实践(五):I/O、序列化与数据格式
在 Python 中处理文件、路径、编码及各类数据格式。通过实际示例对比 JSON、YAML、TOML、CSV、pickle 和 Parquet。
Python 工程实践(四):类型提示、代码检查与质量保障
使用 mypy 添加类型安全性,用 ruff 和 black 强制执行代码风格,并通过 pre-commit 钩子自动化检查。让代码评审聚焦于逻辑设计,而非格式细节。
Python 工程实践(三):测试——pytest、Fixture 与信心循环
借助 pytest fixture、parametrize、mocking 和覆盖率分析,建立对代码的信心。掌握可节省数小时的调试技巧。
Python 工程实践(二):项目结构 —— 从脚本到包
学习如何将 Python 代码组织为规范的包,涵盖导入机制、入口点(entry points)和命令行工具开发。从零构建一个真实的命令行应用。
Python 工程实践(一):环境搭建——pyenv、venv 与依赖地狱
掌握使用 pyenv、虚拟环境及现代依赖管理工具进行 Python 环境管理。彻底告别依赖地狱。

















