万本电子书0元读

万本电子书0元读

顶部广告

Python医学数据分析入门电子书

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:¥67.30购买纸书

83人正在读 | 0人评论 6.2

作       者:赵军 编著

出  版  社:人民邮电出版社有限公司

出版时间:2022-01-01

字       数:17.2万

所属分类: 科技 > 计算机/网络 > 程序设计

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

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
数据分析是当今大数据时代关键的技术,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 行数据分析,对常用分析方法行深浅出的介绍,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。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。<br/>【推荐语】<br/>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。 5.提供源码下载<br/>【作者】<br/>赵军,流行病学博士,湖北医药学院副教授,预防医学系主任。主要研究方向为流行病学与健康大数据分析。有16年统计学与数据科学的教学和科研工作经验,精通Python语言、R语言,为国内多家三甲医院提供数据分析咨询与服务。编写教材两部,发表SCI论文十余篇,担任多个SCI杂志的审稿人。编写的《R语言医学数据分析实战》一书广获好评。 刘文婷,副教授,硕士生导师,现任湖北医药学院智能医学工程系主任、大数据中心主任。主持省自然科学基金1项。科研方向为人工智能和生物信息学。主讲课程有“智能医学工程导论”“医学生物信息学”等。发表SCI论文17篇、国际会议论文4篇。<br/>
目录展开

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

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部