1.结合医学数据，系统地介绍如何利用 Python 行数据分析，以帮助读者解决数据分析中的实际问题。 2.本着让非专业读者易于理解的原则，本书强调实战和应用，着重介绍数据分析的思路和方法，尽量淡化分析方法的推导和计算。 3.书中配有大量的案例解析和程序示例，以及使用 Python 绘制的图形，所有代码均在 Python 3.8.5 环境下运行通过。 4.书中每一章都配有习题，书末附有习题参考答案，方便读者自学和学校老师教学。
售 价：¥
纸质售价：¥70.90购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
版 权
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
