免费下载书籍地址：PDF下载地址
精美图片
Python医学实用统计分析书籍详细信息
- ISBN：9787117341417
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2023-02
- 页数：暂无页数
- 价格：85.90
- 纸张：胶版纸
- 装帧：平装-胶订
- 开本：16开
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
本书主要介绍与数据分析有关的语法基础，针对性强，帮助读者快速入门，譬如在第2部分重点介绍了Python入门语法、特征以及数据分析所需要的一些基本语法。Python可以通过多个库、多种方法实现相同目的，如实现线性回归可以用sklearn、statsmodels等库，实现生存分析可以使用lifelines、pysurvival、statsmodels等库，并且存在很多代码不统一的情况，这会给初学者带来困惑。针对这个问题，本书主要使用Scipy库来实现假设检验，使用statsmodels库来拟合统计模型，并且尽量使用简洁的代码来完成数据分析，譬如在第7部分中介绍了利用Pandas库在同步完成数据清洗和统计图绘制，减少代码书写量，提高数据分析效率。本书的编写突出实用性，注重数据前期处理与医学统计分析相结合；按照资料类型介绍统计学方法，有利于读者在实际数据分析中快速查找对应的统计学方法；在介绍每种统等
书籍目录：
1 Python 简介与安装/ 1
1.1 Python 的优点/ 1
1.2 Python 的安装与配置/ 2
1.2.1 Windows 系统下的安装与配置/ 3
1.2.2 Mac 系统下的安装与配置/ 6
1.2.3 Linux 系统下的安装与配置/ 6
1.3 Anaconda 的使用方法/ 6
1.3.1 打开命令行终端/ 6
1.3.2 更新软件下载渠道/ 6
1.3.3 创建conda 虚拟环境/ 7
1.3.4 安装软件库/ 7
1.3.5 conda 常用命令合集/ 7
1.4 Jupyter Notebook/ 8
1.4.1 打开Jupyter Notebook/ 9
1.4.2 Jupyter Notebook 界面/ 9
2 Python 语言基础与重要的库/ 16
2.1 Python 快速入门/ 16
2.1.1 个Python 程序/ 16
2.1.2 Python 的缩进/ 17
2.1.3 查询帮助文件/ 17
2.1.4 Tab 键自动补全代码/ 18
2.2 Python 语法基础/ 18
2.2.1 变量和数据类型/ 18
2.2.2 运算符/ 19
2.2.3 列表、元组和字典/ 21
2.2.4 函数/ 21
2.3 重要的Python 库/ 22
3 数据集创建/ 24
3.1 NumPy 多维数组对象/ 25
3.1.1 NumPy 数组属性/ 25
3.1.2 NumPy 数组创建/ 27
3.1.3 NumPy 切片和索引/ 30
3.2 Pandas 数据结构/ 32
3.2.1 Series（一维数据）/ 32
3.2.2 DataFrame（二维数据）/ 33
3.2.3 NumPy 与Pandas 转换/ 36
3.3 数据取值与选择/ 36
3.3.1 Series（一维数据）/ 36
3.3.2 DataFrame（二维数据）/ 38
3.4 数据读取与存储/ 41
3.4.1 Pandas 读取Excel 数据/ 41
3.4.2 Pandas 读取CSV 文件/ 42
3.4.3 Pandas 读取Txt 数据/ 43
3.4.4 Pandas 读取SAS、Stata 和SPSS 数据/ 45
3.4.5 存储数据/ 46
4 基本数据管理/ 47
4.1 数据基本信息与结构查看/ 47
4.2 创建新变量/ 49
4.3 变量重命名/ 50
4.4 数据类型转换 / 52
4.4.1 基本数据类型转换/ 52
4.4.2 时间日期数据类型转换/ 53
4.5 数据排序/ 56
4.5.1 按索引标签排序/ 56
4.5.2 按列值排序/ 57
4.6 缺失值处理/ 58
4.6.1 缺失值判断/ 58
4.6.2 缺失值删除/ 60
4.7 缺失数据填补/ 62
4.8 重复数据处理/ 63
4.9 数据集的合并/ 65
4.9.1 merge( ) 方法/ 65
4.9.2 concat( ) 方法/ 67
4.9.3 join( ) 方法/ 70
4.10 数据集取子集/ 72
4.10.1 直接选择/ 72
4.10.2 loc( ) 函数选取子集/ 73
4.10.3 iloc( ) 函数选取子集/ 74
4.11 数据分组/ 75
4.11.1 groupby( ) 函数/ 75
4.11.2 cut( ) 和qcut( ) 函数/ 77
4.12 melt( ) 函数/ 80
4.13 数据集更新/ 81
4.13.1 replace( ) 函数/ 81
4.13.2 update( ) 函数/ 81
4.14 数据集比较/ 83
5 高级数据管理/ 86
5.1 控制流/ 86
5.1.1 条件（分支）语句/ 86
5.1.2 循环结构/ 88
5.2 函数/ 91
5.2.1 pandas 函数/ 91
5.2.2 lambda 函数/ 95
5.3 向量化字符串操作/ 96
5.4 正则表达式/ 100
6 网络数据采集/ 105
6.1 初识爬虫/ 105
6.2 http 协议与url/ 106
6.2.1 http 请求/ 107
6.2.2 http 响应/ 107
6.3 网页结构/ 108
6.3.1 HTML 标签/ 108
6.3.2 HTML 属性/ 109
6.4 Requests 库/ 109
6.4.1 获取网页/ 109
6.4.2 POST 请求/ 111
6.5 BeautifulSoup 库/ 111
6.5.1 BeautifulSoup 对象/ 111
6.5.2 BeautifulSoup 标签/ 113
6.5.3 遍历节点/ 114
6.5.4 方法选择器/ 115
7 资料类型及展示/ 117
7.1 资料类型/ 117
7.2 统计描述/ 118
7.2.1 定量资料/ 118
7.2.2 定性资料/ 123
7.3 数据透视表/ 124
7.4 表格重塑/ 125
7.5 绘制图形/ 129
7.5.1 绘制图形的基本步骤/ 129
7.5.2 常见统计图/ 130
7.5.3 子图绘制/ 139
7.5.4 金字塔图/ 140
7.5.5 其他图形绘制/ 142
8 定量资料统计方法/ 143
8.1 单样本资料与已知总体参数比较/ 143
8.1.1 单样本资料的t 检验/ 143
8.1.2 Wilcoxon 符号秩和检验/ 144
8.2 两组资料之间的比较/ 145
8.2.1 配对t 检验/ 145
8.2.2 配对设计资料的非参数检验/ 147
8.2.3 两组独立样本的t 检验/ 148
8.2.4 两组资料的非参数检验/ 149
8.3 两组以上资料比较/ 150
8.3.1 方差分析/ 150
8.3.2 Kruskal-Wallis H 检验/ 153
8.4 相关分析/ 154
8.4.1 直线相关分析/ 154
8.4.2 秩相关/ 157
8.5 线性回归分析/ 158
8.5.1 基本原理/ 158
8.5.2 应用条件/ 159
8.5.3 线性回归分析的Python 实现/ 159
9 分类资料数据分析/ 162
9.1 卡方检验/ 162
9.1.1 四格表资料的卡方检验/ 162
9.1.2 R×C 列联表资料的卡方检验/ 163
9.1.3 卡方检验的选用/ 163
9.1.4 卡方检验的Python 实现/ 164
9.2 Fisher 确切概率法/ 166
9.2.1 Fisher 确切概率法使用条件/ 166
9.2.2 Fisher 确切概率法的Python 实现/ 166
9.3 配对卡方检验/ 167
9.3.1 配对卡方检验使用条件/ 168
9.3.2 配对卡方检验的Python 实现/ 168
9.4 多个相关样本的非参数检验（Cochran Q 检验）/ 169
9.4.1 Cochran Q 检验的Python 实现/ 169
9.5 趋势卡方检验/ 170
9.5.1 趋势卡方检验的Python 实现/ 170
10 多重线性回归/ 172
10.1 多重线性回归分析/ 172
10.1.1 多重线性回归模型简介/ 172
10.1.2 多重线性回归使用条件/ 173
10.1.3 资料格式/ 174
10.1.4 多重线性回归分析的Python 实现/ 174
10.2 自变量筛选/ 176
10.2.1 逐步回归分析的Python 实现/ 177
10.3 多重共线性和回归诊断/ 181
10.3.1 共线性诊断/ 181
10.3.2 模型诊断/ 182
11 logistic 回归/ 184
11.1 二分类logistic 回归/ 184
11.1.1 二分类logistic 回归的使用条件/ 185
11.1.2 资料格式/ 185
11.1.3 logistic 回归的Python 实现/ 185
11.1.4 广义线性模型/ 192
11.2 有序logistic 回归/ 195
11.2.1 资料格式/ 196
11.2.2 有序多分类logistic 回归的Python 实现/ 196
11.3 无序多分类logistic 回归/ 199
11.3.1 资料格式/ 200
11.3.2 多分类无序logistic 回归的Python 实现/ 200
11.4 条件logistic 回归/ 203
11.4.1 资料格式/ 203
11.4.2 条件logistic 回归的Python 实现/ 204
12 Poisson 回归/ 207
12.1 Poisson 回归的应用条件/ 207
12.2 资料格式/ 208
12.3 利用广义线性模型实现Poisson 回归/ 212
13 生存分析/ 214
13.1 基本概念/ 214
13.1.1 生存时间/ 214
13.1.2 生存时间资料的类型/ 215
13.1.3 生存概率、生存率与风险函数/ 215
13.2 生存分析研究的主要内容/ 215
13.3 生存率的估计与组间比较/ 216
13.4 中位生存时间与生存曲线/ 217
13.5 Cox 比例风险模型/ 219
13.5.1 Cox 模型简介/ 220
13.5.2 Cox 模型分析的资料格式/ 221
13.5.3 Cox 模型分析的Python 实现/ 221
13.5.4 Cox 模型分析注意事项/ 224
14 时间序列分析/ 225
14.1 时间序列的预处理/ 225
14.1.1 平稳性检验/ 226
14.1.2 纯随机性检验/ 226
14.2 平稳时间序列建模/ 226
14.3 非平稳时间序列预处理/ 227
14.4 ARIMA 模型/ 228
14.4.1 资料格式/ 228
14.4.2 ARIMA 模型的Python 实现/ 229
14.5 季节性ARIMA 模型/ 237
作者介绍：
潘兴强：流行病与卫生统计学专业，擅长医学统计与大数据分析。近年来主持课题4项，其中省部级课题1项，省厅级课题1项，市厅级课题1项；以作者发表论文18篇，其中SCI收录3篇，中华级5篇，影响因子7.023，参编专业书籍《流行病学数据分析与易侕统计软件实现》。
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：Python医学实用统计分析在线阅读
在线听书地址：Python医学实用统计分析在线收听
在线购买地址：Python医学实用统计分析在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
书摘插图
书籍真实打分
故事情节：8分
人物塑造：7分
主题深度：8分
文字风格：3分
语言运用：3分
文笔流畅：4分
思想传递：5分
知识深度：8分
知识广度：4分
实用性：4分
章节划分：9分
结构布局：8分
新颖与独特：7分
情感共鸣：5分
引人入胜：6分
现实相关：3分
沉浸感：9分
事实准确性：5分
文化贡献：3分
网站评分
书籍多样性：6分
书籍信息完全性：5分
网站更新速度：6分
使用便利性：6分
书籍清晰度：4分
书籍格式兼容性：5分
是否包含广告：6分
加载速度：7分
安全性：4分
稳定性：6分
搜索功能：7分
下载便捷性：5分
下载点评
- 无盗版(611+)
- 可以购买(435+)
- 经典(516+)
- 微信读书(615+)
- 小说多(142+)
- 中评多(309+)
- 无颠倒(512+)
- 强烈推荐(116+)
- 赞(410+)
下载评价
网友 苍***如：什么格式都有的呀。
网友 谭***然：如果不要钱就好了
网友 堵***格：OK，还可以
网友 饶***丽：下载方式特简单，一直点就好了。
网友 焦***山：不错。。。。。
网友 国***舒：中评，付点钱这里能找到就找到了，找不到别的地方也不一定能找到
网友 芮***枫：有点意思的网站，赞一个真心好好好 哈哈
网友 索***宸：书的质量很好。资源多
网友 步***青：。。。。。好