1Python 簡介與安裝/ 1
1.1Python 的優點/ 1
1.2Python 的安裝與配置/ 2
1.2.1Windows 繫統下的安裝與配置/ 3
1.2.2Mac 繫統下的安裝與配置/ 6
1.2.3Linux 繫統下的安裝與配置/ 6
1.3Anaconda 的使用方法/ 6
1.3.1打開命令行終端/ 6
1.3.2更新軟件下載渠道/ 6
1.3.3創建conda 虛擬環境/ 7
1.3.4安裝軟件庫/ 7
1.3.5conda 常用命令合集/ 7
1.4Jupyter Notebook/ 8
1.4.1打開Jupyter Notebook/ 9
1.4.2Jupyter Notebook 界面/ 9
2Python 語言基礎與重要的庫/ 16
2.1Python 快速入門/ 16
2.1.1個Python 程序/ 16
2.1.2Python 的縮進/ 17
2.1.3查詢幫助文件/ 17
2.1.4Tab 鍵自動補全代碼/ 18
2.2Python 語法基礎/ 18
2.2.1變量和數據類型/ 18
2.2.2運算符/ 19
2.2.3組和字典/ 21
2.2.4函數/ 21
2.3重要的Python 庫/ 22
3數據集創建/ 24
3.1NumPy 多維數組對像/ 25
3.1.1NumPy 數組屬性/ 25
3.1.2NumPy 數組創建/ 27
3.1.3NumPy 切片和索引/ 30
3.2Pandas 數據結構/ 32
3.2.1Series（一維數據）/ 32
3.2.2DataFrame（二維數據）/ 33
3.2.3NumPy 與Pandas 轉換/ 36
3.3數據取值與選擇/ 36
3.3.1Series（一維數據）/ 36
3.3.2DataFrame（二維數據）/ 38
3.4數據讀取與存儲/ 41
3.4.1Pandas 讀取Excel 數據/ 41
3.4.2Pandas 讀取CSV 文件/ 42
3.4.3Pandas 讀取Txt 數據/ 43
3.4.4Pandas 讀取SAS、Stata 和SPSS 數據/ 45
3.4.5存儲數據/ 46
4基本數據管理/ 47
4.1數據基本信息與結構查看/ 47
4.2創建新變量/ 49
4.3變量重命名/ 50
4.4數據類型轉換 / 52
4.4.1基本數據類型轉換/ 52
4.4.2時間日期數據類型轉換/ 53
4.5數據排序/ 56
4.5.1按索引標簽排序/ 56
4.5.2按列值排序/ 57
4.6缺失值處理/ 58
4.6.1缺失值判斷/ 58
4.6.2缺失值刪除/ 60
4.7缺失數據填補/ 62
4.8重復數據處理/ 63
4.9數據集的合並/ 65
4.9.1merge( ) 方法/ 65
4.9.2concat( ) 方法/ 67
4.9.3join( ) 方法/ 70
4.10數據集取子集/ 72
4.10.1直接選擇/ 72
4.10.2loc( ) 函數選取子集/ 73
4.10.3iloc( ) 函數選取子集/ 74
4.11數據分組/ 75
4.11.1groupby( ) 函數/ 75
4.11.2cut( ) 和qcut( ) 函數/ 77
4.12melt( ) 函數/ 80
4.13數據集更新/ 81
4.13.1replace( ) 函數/ 81
4.13.2update( ) 函數/ 81
4.14數據集比較/ 83
5高級數據管理/ 86
5.1控制流/ 86
5.1.1條件（分支）語句/ 86
5.1.2循環結構/ 88
5.2函數/ 91
5.2.1pandas 函數/ 91
5.2.2lambda 函數/ 95
5.3向量化字符串操作/ 96
5.4正則表達式/ 100
6網絡數據采集/ 105
6.1初識爬蟲/ 105
6.2http 協議與url/ 106
6.2.1http 請求/ 107
6.2.2http 響應/ 107
6.3網頁結構/ 108
6.3.1HTML 標簽/ 108
6.3.2HTML 屬性/ 109
6.4Requests 庫/ 109
6.4.1獲取網頁/ 109
6.4.2POST 請求/ 111
6.5BeautifulSoup 庫/ 111
6.5.1BeautifulSoup 對像/ 111
6.5.2BeautifulSoup 標簽/ 113
6.5.3遍歷節點/ 114
6.5.4方法選擇器/ 115
7資料類型及展示/ 117
7.1資料類型/ 117
7.2統計描述/ 118
7.2.1定量資料/ 118
7.2.2定性資料/ 123
7.3數據透視表/ 124
7.4表格重塑/ 125
7.5繪制圖形/ 129
7.5.1繪制圖形的基本步驟/ 129
7.5.2常見統計圖/ 130
7.5.3子圖繪制/ 139
7.5.4金字塔圖/ 140
7.5.5其他圖形繪制/ 142
8定量資料統計方法/ 143
8.1單樣本資料與已知總體參數比較/ 143
8.1.1單樣本資料的t 檢驗/ 143
8.1.2Wilcoxon 符號秩和檢驗/ 144
8.2兩組資料之間的比較/ 145
8.2.1配對t 檢驗/ 145
8.2.2配對設計資料的非參數檢驗/ 147
8.2.3兩組獨立樣本的t 檢驗/ 148
8.2.4兩組資料的非參數檢驗/ 149
8.3兩組以上資料比較/ 150
8.3.1方差分析/ 150
8.3.2Kruskal-Wallis H 檢驗/ 153
8.4相關分析/ 154
8.4.1直線相關分析/ 154
8.4.2秩相關/ 157
8.5線性回歸分析/ 158
8.5.1基本原理/ 158
8.5.2應用條件/ 159
8.5.3線性回歸分析的Python 實現/ 159
9分類資料數據分析/ 162
9.1卡方檢驗/ 162
9.1.1四格表資料的卡方檢驗/ 162
9.1.2R×C 列聯表資料的卡方檢驗/ 163
9.1.3卡方檢驗的選用/ 163
9.1.4卡方檢驗的Python 實現/ 164
9.2Fisher 確切概率法/ 166
9.2.1Fisher 確切概率法使用條件/ 166
9.2.2Fisher 確切概率法的Python 實現/ 166
9.3配對卡方檢驗/ 167
9.3.1配對卡方檢驗使用條件/ 168
9.3.2配對卡方檢驗的Python 實現/ 168
9.4多個相關樣本的非參數檢驗（Cochran Q 檢驗）/ 169
9.4.1Cochran Q 檢驗的Python 實現/ 169
9.5趨勢卡方檢驗/ 170
9.5.1趨勢卡方檢驗的Python 實現/ 170
10多重線性回歸/ 172
10.1多重線性回歸分析/ 172
10.1.1多重線性回歸模型簡介/ 172
10.1.2多重線性回歸使用條件/ 173
10.1.3資料格式/ 174
10.1.4多重線性回歸分析的Python 實現/ 174
10.2自變量篩選/ 176
10.2.1逐步回歸分析的Python 實現/ 177
10.3多重共線性和回歸診斷/ 181
10.3.1共線性診斷/ 181
10.3.2模型診斷/ 182
11logistic 回歸/ 184
11.1二分類logistic 回歸/ 184
11.1.1二分類logistic 回歸的使用條件/ 185
11.1.2資料格式/ 185
11.1.3logistic 回歸的Python 實現/ 185
11.1.4廣義線性模型/ 192
11.2有序logistic 回歸/ 195
11.2.1資料格式/ 196
11.2.2有序多分類logistic 回歸的Python 實現/ 196
11.3無序多分類logistic 回歸/ 199
11.3.1資料格式/ 200
11.3.2多分類無序logistic 回歸的Python 實現/ 200
11.4條件logistic 回歸/ 203
11.4.1資料格式/ 203
11.4.2條件logistic 回歸的Python 實現/ 204
12Poisson 回歸/ 207
12.1Poisson 回歸的應用條件/ 207
12.2資料格式/ 208
12.3利用廣義線性模型實現Poisson 回歸/ 212
13生存分析/ 214
13.1基本概念/ 214
13.1.1生存時間/ 214
13.1.2生存時間資料的類型/ 215
13.1.3生存概率、生存率與風險函數/ 215
13.2生存分析研究的主要內容/ 215
13.3生存率的估計與組間比較/ 216
13.4中位生存時間與生存曲線/ 217
13.5Cox 比例風險模型/ 219
13.5.1Cox 模型簡介/ 220
13.5.2Cox 模型分析的資料格式/ 221
13.5.3Cox 模型分析的Python 實現/ 221
13.5.4Cox 模型分析注意事項/ 224
14時間序列分析/ 225
14.1時間序列的預處理/ 225
14.1.1平穩性檢驗/ 226
14.1.2純隨機性檢驗/ 226
14.2平穩時間序列建模/ 226
14.3非平穩時間序列預處理/ 227
14.4ARIMA 模型/ 228
14.4.1資料格式/ 228
14.4.2ARIMA 模型的Python 實現/ 229
14.5季節性ARIMA 模型/ 237