1.結合醫學數據，繫統地介紹如何利用 Python 進行數據分析，以幫助讀者解決數據分析中的實際問題。2.本著讓非專業讀者易於理解的原則，本書強調實戰和應用，著重介紹數據分析的思路和方法，盡量淡化分析方法的推導和計算。3.書中配有大量的案例解析和程序示例，以及使用 Python 繪制的圖形，所有代碼均在 Python 3.8.5 環境下運行通過。4.書中每一章都配有習題，書末附有習題參考答案，方便讀者自學和學校老師教學。5.提供源碼下載

●第1章Python語言基礎1
1．1關於Python1
1．2為什麼使用Python分析數據1
1．3重要的Python庫2
1．4安裝與設置2
1．4．1在Windows或MacOS繫統上安裝Anaconda3
1．4．2在Linux繫統上安裝Anaconda3
1．4．3安裝和更新包3
1．4．4Python解釋器4
1．4．5導入庫4
1．5代碼編寫工具5
1．6開始使用Python7
1．6．1獲取幫助7
1．6．2把Python當作一個計算器9
1．6．3Python對像12
1．7工作目錄14
1．8習題15
第2章基本數據結構16
2．1列表16
2．1．1列表的創建16
2．1．2列表基本操作17
2．1．3列表方法與函數操作19
組21
2．組的創建21
2．組的操作22
2．3字典23
2．3．1字典的創建24
2．3．2字典的操作25
2．4集合26
2．4．1集合的創建26
2．4．2集合的操作26
2．5習題27
第3章控制流、函數與文件操作28
3．1條件語句28
3．1．1簡單條件結構28
3．1．2嵌套條件結構29
3．2循環語句30
3．2．1for循環30
3．2．2while循環30
3．3函數31
3．3．1定義函數31
3．3．2默認參數31
3．3．3任意參數32
3．3．4匿名函數33
3．4文件操作33
3．4．1讀取txt文件33
3．4．2寫入txt文件34
3．4．3讀寫CSV文件35
3．5習題36
第4章NumPy基礎37
4．1創建數組對像37
4．1．1使用函數array創建數組對像37
4．1．2使用專門函數創建數組對像38
4．1．3生成偽隨機數39
4．2數組操作41
4．2．1數組重塑41
4．2．2數組轉置和軸變換41
4．2．3數組的索引和切片42
4．3數組運算44
4．3．1通用函數44
4．3．2基本統計運算46
4．3．3矩陣運算47
4．4數組文件的保存與導入48
4．5習題49
第5章Pandas入門50
5．1Pandas數據結構50
5．1．1Series50
5．1．2DataFrame51
5．2Pandas對像基本操作53
5．2．1索引操作53
5．2．2DataFrame的查詢與子集選擇55
5．3DataFrame的導入和導出62
5．3．1讀寫文本文件63
5．3．2讀寫其他格式的文件64
5．4Pandas數據預處理66
5．4．1數據的合並66
5．4．2數據長寬格式的轉換68
5．4．3缺失值的識別與處理70
5．4．4數據值的轉換75
5．5習題85
第6章數據可視化86
6．1Matplotlib繪圖基礎86
6．1．1函數plot素86
6．1．2全局參數查看與設置88
6．1．3一頁多圖89
6．1．4保存圖形90
6．1．5基本統計圖形91
6．2Seaborn數據可視化96
6．2．1Seaborn簡介96
6．2．2直方圖和密度曲線圖97
6．2．3條形圖98
6．2．4箱線圖和小提琴圖99
6．2．5點圖102
6．2．6帶狀點圖與簇狀點圖102
6．2．7散點圖104
6．2．8散點圖矩陣104
6．2．9多面板圖105
6．2．10回歸圖107
6．2．11分面網格圖107
6．2．12Seaborn圖形保存108
6．3其他Python數據可視化工具108
6．4習題109
第7章基本統計分析110
7．1查看數據集信息110
7．2數值型變量的統計描述113
7．3數值型變量的假設檢驗117
7．3．1單個樣本的t檢驗117
7．3．2獨立樣本的t檢驗117
7．3．3非獨立樣本的t檢驗118
7．3．4單因素方差分析119
7．3．5組間差異的非參數檢驗121
7．3．6連續型變量之間的相關性121
7．4分類變量的列聯表和獨立性檢驗124
7．4．1生成頻數表124
7．4．2獨立性檢驗126
7．5習題128
第8章線性模型與廣義線性模型129
8．1線性模型129
8．1．1簡單線性回歸模型129
8．1．2多重線性回歸模型134
8．2Logistic回歸137
8．2．1Logistic回歸模型137
8．2．2Logistic回歸實例138
8．3Poisson回歸143
8．3．1Poisson回歸模型143
8．3．2Poisson回歸實例143
8．4生存分析與Cox回歸145
8．4．1生存分析簡介145
8．4．2生存率的Kaplan-Meier估計147
8．4．3Cox回歸150
8．5習題153
第9章Scikit-learn機器學習入門154
9．1機器學習簡介154
9．2加載數據集154
9．3學習和預測158
9．3．1無監督學習158
9．3．2監督學習159
9．4模型的選擇與評估161
9．5習題163
第10章TensorFlow深度學習入門164
10．1深度學習簡介164
10．2感知機與神經網絡165
10．3激活函數167
10．4損失函數168
10．5優化器168
10．6構建並訓練神經網絡169
10．7習題171
第11章圖像分類卷積神經網絡模型172
11．1卷積神經網絡172
11．1．1局部感受野172
11．1．2共享權重和偏置173
11．1．3池化173
11．2加載數據集174
11．3構建卷積神經網絡模型175
11．4編譯並訓練模型177
11．5評估模型178
11．6習題179
習題參考答案180
參考資料192

數據分析是當今大數據時代最關鍵的技術，其廣泛應用於包括醫學在內的各個領域。Python 語言簡單易用， 第三方庫功能強大，提供了完整的數據分析框架，深受廣大數據分析人員的青睞。
本書涵蓋傳統的統計分析方法和較為復雜的機器學習算法，結合大量精選的實例，使用 Python 進行數據分析，對常用分析方法進行深入淺出的介紹，以幫助讀者解決數據分析中的實際問題。
本書強調實戰和應用，盡量淡化分析方法的推導和計算過程，大量的 Python 程序示例是本書的亮點。閱讀本書，讀者不僅能掌握使用 Python 及相關庫快速解決實際問題的方法，還能更深入地理解數據分析。
本書不僅適合臨床醫學、公共衛生及其他醫學相關專業的本科生和研究生使用，亦可作為其他專業的學生和科研人員學習數據分析的參考書。

趙軍,劉文婷 編