万本电子书0元读

万本电子书0元读

顶部广告

统计思维:用Python学透探索性数据分析(原书第3版)电子书

作者背景资深:Allen B. Downey是欧林工程学院计算机科学教授,曾任教于韦尔斯利学院、科尔比学院与加州大学伯克利分校,拥有加州大学伯克利分校计算机科学博士学位及麻省理工学院学士硕士学位,O'Reilly Think系列著作作者。 程序员视角创新教学:破传统统计学晦涩数学授课模式,以Python编程为载体,用计算思维重构统计学学习路径,完美契合程序员认知习惯。 内容体系完整:从数据导与清洗的基础步骤,到单变量、双变量的探索性分析,再到多重回归、时间序列分析、生存分析等高级主题,层层递、环环相扣。

售       价:¥

纸质售价:¥71.50购买纸书

0人正在读 | 0人评论 6.8

作       者:(美)艾伦·B·唐尼(Allen B·Downey)

出  版  社:机械工业出版社

出版时间:2026-06-16

字       数:10.2万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

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(条)
  • 读书简介
  • 目录
  • 累计评论(条)
本书是面向零基础读者的Python探索性数据分析与统计学门实战读物,秉持“统计是实用数据工具”的核心理念,区别于传统数理统计的理论教学模式,聚焦实操落地,适配具备基础Python能力、无深厚数学与统计功底的学习者。全书严格贴合真实数据分析工作流程,层层递拆解核心技能,内容分为三大模块:基础模块讲解数据导清洗、数据分布表征、各类经典统计分布建模方法,依托NumPy、Pandas、empiricaldist库实现基础数据处理与可视化;阶模块聚焦变量关联挖掘,详解相关性分析、最小二乘拟合、多重回归、逻辑回归等核心技法,助力读者搭建数据预测模型;高阶模块覆盖时间序列分析、生存分析、中心极限定理、假设检验等专业内容,完善数据分析全栈能力体系。全书所有案例与练习均采用多领域真实公数据集,贴合实际业务场景。第3版完成全面迭代,整体迁移至Jupyter Notebook环境,简化代码逻辑、优化工具应用、更新习题体系,支持在线交互式运行,读者可通过实操模拟直观理解抽象统计概念,规避理论学习误区,高效掌握可落地的统计分析技能,轻松实现从理论认知到实战数据分析的阶。<br/>【推荐语】<br/>作者背景资深:Allen B. Downey是欧林工程学院计算机科学教授,曾任教于韦尔斯利学院、科尔比学院与加州大学伯克利分校,拥有加州大学伯克利分校计算机科学博士学位及麻省理工学院学士硕士学位,O'Reilly Think系列著作作者。 程序员视角创新教学:破传统统计学晦涩数学授课模式,以Python编程为载体,用计算思维重构统计学学习路径,完美契合程序员认知习惯。 内容体系完整:从数据导与清洗的基础步骤,到单变量、双变量的探索性分析,再到多重回归、时间序列分析、生存分析等高级主题,层层递、环环相扣。 真实数据驱动:使用NSFG等真实公数据集行完整分析演示,让抽象统计概念变得可感可知,培养读者解决实际问题的能力。 交互式学习体验:全面迁移至Jupyter Notebook环境,读者无须复杂配置即可通过Google Colab直运行所有代码,实现阅读、编码、练习一体化学习。 从门到阶全覆盖:基础篇夯实统计思维根基,高级篇满足专项学习需求,无论零基础门还是阶提升,一书搞定。 配套资源丰富:所有代码可在Google Colab一键运行,每章配有练习题与实战案例,搭建标准化、可复现的数据分析流程。<br/>【作者】<br/>Allen B. Downey现任奥林工程学院计算机科学教授,曾先后任教于韦尔斯利学院、科尔比学院与加州大学伯克利分校。他拥有加州大学伯克利分校计算机科学博士学位,以及麻省理工学院硕士与学士学位。著有Think Python、Think Bayes、Think DSP等经典作品,同时运营个人博客Probably Overthinking It。<br/>
目录展开

O'Reilly Media,Inc.介绍

译者序

前言

第1章 探索性数据分析

1.1 证据

1.2 NSFG

1.3 读取数据

1.4 数据验证

1.5 数据转换

1.6 汇总统计量

1.7 解读

1.8 术语表

1.9 练习题

第2章 分布

2.1 频率表

2.2 NSFG数据的分布

2.3 异常值

2.4 头胎婴儿

2.5 效应量

2.6 结果的呈现

2.7 术语表

2.8 练习题

第3章 概率质量函数

3.1 概率质量函数概述

3.2 汇总概率质量函数

3.3 班级规模悖论

3.4 NSFG数据

3.5 其他可视化方法

3.6 术语表

3.7 练习题

第4章 累积分布函数

4.1 百分位数和百分位等级

4.2 累积分布函数概述

4.3 比较累积分布函数

4.4 基于百分位数的统计量

4.5 随机数

4.6 术语表

4.7 练习题

第5章 建模分布

5.1 二项分布

5.2 泊松分布

5.3 指数分布

5.4 正态分布

5.5 对数正态分布

5.6 为什么要建模

5.7 术语表

5.8 练习题

第6章 概率密度函数

6.1 比较分布

6.2 概率密度

6.3 指数概率密度函数

6.4 概率质量函数与概率密度函数的比较

6.5 核密度估计

6.6 分布框架

6.7 术语表

6.8 练习题

第7章 变量间的关系

7.1 散点图

7.2 十分位数图

7.3 相关性

7.4 相关强度

7.5 等级相关

7.6 相关性与因果关系

7.7 术语表

7.8 练习题

第8章 估计

8.1 称量企鹅

8.2 稳健性

8.3 估计方差

8.4 抽样分布

8.5 标准误差

8.6 置信区间

8.7 误差来源

8.8 术语表

8.9 练习题

第9章 假设检验

9.1 抛硬币

9.2 检验均值差异

9.3 其他检验统计量

9.4 检验相关性

9.5 比例检验

9.6 术语表

9.7 练习题

第10章 最小二乘法

10.1 最小二乘拟合

10.2 决定系数

10.3 最小化均方误差

10.4 估计

10.5 不确定性的可视化

10.6 变量变换

10.7 术语表

10.8 练习题

第11章 多重回归

11.1 StatsModels程序包

11.2 多重回归模型

11.3 控制变量

11.4 非线性关系

11.5 逻辑回归

11.6 术语表

11.7 练习题

第12章 时间序列分析

12.1 电力

12.2 分解

12.3 预测

12.4 乘法模型

12.5 自回归

12.6 移动平均

12.7 使用自回归模型进行回顾预测

12.8 ARIMA模型

12.9 用ARIMA模型进行预测

12.10 术语表

12.11 练习题

第13章 生存分析

13.1 生存函数

13.2 风险函数

13.3 婚姻数据

13.4 加权自助法

13.5 估计风险函数

13.6 估计生存函数

13.7 lifelines程序包

13.8 置信区间

13.9 期望剩余寿命

13.10 术语表

13.11 练习题

第14章 解析方法

14.1 正态概率图

14.2 正态分布

14.3 样本均值的分布

14.4 差值分布

14.5 中心极限定理

14.6 中心极限定理的局限性

14.7 应用中心极限定理

14.8 相关性检验

14.9 卡方检验

14.10 计算方法与解析方法

14.11 术语表

14.12 练习题

作者简介

封面简介

累计评论(条) 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