互联网 类型
可以朗读 语音朗读
117千字 字数
2022-01-01 发行日期
展开全部

主编推荐语

数据分析是当今大数据时代最关键的技术，其广泛应用于包括医学在内的各个领域。

内容简介

Python语言简单易用，第三方库功能强大，提供了完整的数据分析框架，深受广大数据分析人员的青睐。本书涵盖传统的统计分析方法和较为复杂的机器学习算法，结合大量精选的实例，使用Python进行数据分析，对常用分析方法进行深入浅出的介绍，以帮助读者解决数据分析中的实际问题。

本书强调实战和应用，尽量淡化分析方法的推导和计算过程，大量的Python程序示例是本书的亮点。阅读本书，读者不仅能掌握使用Python及相关库快速解决实际问题的方法，还能更深入地理解数据分析。

本书不仅适合临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研人员学习数据分析的参考书。

目录

  • 版权信息
  • 内容提要
  • 前言
  • 资源与支持
  • 第1章 Python语言基础
  • 1.1 关于Python
  • 1.2 为什么使用Python分析数据
  • 1.3 重要的Python库
  • 1.4 安装与设置
  • 1.4.1 在Windows或MacOS系统上安装Anaconda
  • 1.4.2 在Linux系统上安装Anaconda
  • 1.4.3 安装和更新包
  • 1.4.4 Python解释器
  • 1.4.5 导入库
  • 1.5 代码编写工具
  • 1.6 开始使用Python
  • 1.6.1 获取帮助
  • 1.6.2 把Python当作一个计算器
  • 1.6.3 Python对象
  • 1.7 工作目录
  • 1.8 习题
  • 第2章 基本数据结构
  • 2.1 列表
  • 2.1.1 列表的创建
  • 2.1.2 列表基本操作
  • 2.1.3 列表方法与函数操作
  • 2.2 元组
  • 2.2.1 元组的创建
  • 2.2.2 元组的操作
  • 2.3 字典
  • 2.3.1 字典的创建
  • 2.3.2 字典的操作
  • 2.4 集合
  • 2.4.1 集合的创建
  • 2.4.2 集合的操作
  • 2.5 习题
  • 第3章 控制流、函数与文件操作
  • 3.1 条件语句
  • 3.1.1 简单条件结构
  • 3.1.2 嵌套条件结构
  • 3.2 循环语句
  • 3.2.1 for循环
  • 3.2.2 while循环
  • 3.3 函数
  • 3.3.1 定义函数
  • 3.3.2 默认参数
  • 3.3.3 任意参数
  • 3.3.4 匿名函数
  • 3.4 文件操作
  • 3.4.1 读取txt文件
  • 3.4.2 写入txt文件
  • 3.4.3 读写CSV文件
  • 3.5 习题
  • 第4章 NumPy基础
  • 4.1 创建数组对象
  • 4.1.1 使用函数array创建数组对象
  • 4.1.2 使用专门函数创建数组对象
  • 4.1.3 生成伪随机数
  • 4.2 数组操作
  • 4.2.1 数组重塑
  • 4.2.2 数组转置和轴变换
  • 4.2.3 数组的索引和切片
  • 4.3 数组运算
  • 4.3.1 通用函数
  • 4.3.2 基本统计运算
  • 4.3.3 矩阵运算
  • 4.4 数组文件的保存与导入
  • 4.5 习题
  • 第5章 Pandas入门
  • 5.1 Pandas数据结构
  • 5.1.1 Series
  • 5.1.2 DataFrame
  • 5.2 Pandas对象基本操作
  • 5.2.1 索引操作
  • 5.2.2 DataFrame的查询与子集选择
  • 5.3 DataFrame的导入和导出
  • 5.3.1 读写文本文件
  • 5.3.2 读写其他格式的文件
  • 5.4 Pandas数据预处理
  • 5.4.1 数据的合并
  • 5.4.2 数据长宽格式的转换
  • 5.4.3 缺失值的识别与处理
  • 5.4.4 数据值的转换
  • 5.5 习题
  • 第6章 数据可视化
  • 6.1 Matplotlib绘图基础
  • 6.1.1 函数plot与图形元素
  • 6.1.2 全局参数查看与设置
  • 6.1.3 一页多图
  • 6.1.4 保存图形
  • 6.1.5 基本统计图形
  • 6.2 Seaborn数据可视化
  • 6.2.1 Seaborn简介
  • 6.2.2 直方图和密度曲线图
  • 6.2.3 条形图
  • 6.2.4 箱线图和小提琴图
  • 6.2.5 点图
  • 6.2.6 带状点图与簇状点图
  • 6.2.7 散点图
  • 6.2.8 散点图矩阵
  • 6.2.9 多面板图
  • 6.2.10 回归图
  • 6.2.11 分面网格图
  • 6.2.12 Seaborn图形保存
  • 6.3 其他Python数据可视化工具
  • 6.4 习题
  • 第7章 基本统计分析
  • 7.1 查看数据集信息
  • 7.2 数值型变量的统计描述
  • 7.3 数值型变量的假设检验
  • 7.3.1 单个样本的t检验
  • 7.3.2 独立样本的t检验
  • 7.3.3 非独立样本的t检验
  • 7.3.4 单因素方差分析
  • 7.3.5 组间差异的非参数检验
  • 7.3.6 连续型变量之间的相关性
  • 7.4 分类变量的列联表和独立性检验
  • 7.4.1 生成频数表
  • 7.4.2 独立性检验
  • 7.5 习题
  • 第8章 线性模型与广义线性模型
  • 8.1 线性模型
  • 8.1.1 简单线性回归模型
  • 8.1.2 多重线性回归模型
  • 8.2 Logistic回归
  • 8.2.1 Logistic回归模型
  • 8.2.2 Logistic回归实例
  • 8.3 Poisson回归
  • 8.3.1 Poisson回归模型
  • 8.3.2 Poisson回归实例
  • 8.4 生存分析与Cox回归
  • 8.4.1 生存分析简介
  • 8.4.2 生存率的Kaplan-Meier估计
  • 8.4.3 Cox回归
  • 8.5 习题
  • 第9章 Scikit-learn机器学习入门
  • 9.1 机器学习简介
  • 9.2 加载数据集
  • 9.3 学习和预测
  • 9.3.1 无监督学习
  • 9.3.2 监督学习
  • 9.4 模型的选择与评估
  • 9.5 习题
  • 第10章 TensorFlow深度学习入门
  • 10.1 深度学习简介
  • 10.2 感知机与神经网络
  • 10.3 激活函数
  • 10.4 损失函数
  • 10.5 优化器
  • 10.6 构建并训练神经网络
  • 10.7 习题
  • 第11章 图像分类卷积神经网络模型
  • 11.1 卷积神经网络
  • 11.1.1 局部感受野
  • 11.1.2 共享权重和偏置
  • 11.1.3 池化
  • 11.2 加载数据集
  • 11.3 构建卷积神经网络模型
  • 11.4 编译并训练模型
  • 11.5 评估模型
  • 11.6 习题
  • 习题参考答案
展开全部

评分及书评

评分不足
2个评分
  • 用户头像
    给这本书评了
    5.0

    数据分析是当今大数据时代最关键的技术，其广泛应用于包括医学在内的各个领域。Python 语言简单易用，第三方库功能强大，提供了完整的数据分析框架，深受广大数据分析人员的青睐。本书涵盖传统的统计分析方法和较为复杂的机器学习算法，结合大量精选的实例，使用 Python 进行数据分析，对常用分析方法进行深入浅出的介绍，以帮助读者解决数据分析中的实际问题。

      转发
      评论

    出版方

    人民邮电出版社

    人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。