书名：Python医学数据分析入门  
定*：89.8  
ISBN：9787**5575432  
作者：赵军  
版次：第1版  
出版时间：2022-0*  

内容提要：  
数据分析是当今大数据时代最关键的技术，其广泛应用于*括医学在内的各个*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*选的实例，使用 Python 进行数据分析，对常用分析方法进行深入浅出的介绍，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点。阅读本书，读者**能掌握使用 Python 及相关库快速解决实际问题的方法，还能更深入地理解数据分析。 本书**适合临床医学、公共卫生及其他医学相关*业的本科生和研究生使用，亦可作为其他*业的学生和科研人员学习数据分析的参考书。  



作者简介：  
赵军，流行病学博士，湖北医药学院副教授，预*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*6年统计学与数据科学的教学和科研工作经验，*通Python语言、R语言，为*内多家三甲医院提供数据分析咨询与服务。编写教材两*，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》*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*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*7篇、*际会议论文4篇。  

目录：  
第 * 章 Python 语言基础 *  
*.*　关于 Python　*  
*.2　为什么使用 Python 分析数据　*  
*.3　重要的 Python 库　2  
*.4　安装与设置　2  
*.4.*　在 Windows 或 MacOS 系统上安装 Anaconda　3  
*.4.2　在Linux 系统上安装 Anaconda　3  
*.4.3　安装和更新*　3  
*.4.4　Python 解释器　4  
*.4.5　导入库　4  
*.5　代码编写工具　5  
*.6　开始使用 Python　7  
*.6.*　获取帮助　7  
*.6.2　把 Python 当作*个计算器　9  
*.6.3　Python 对象　*2  
*.7　工作目录　*4  
*.8　习题　*5  

第　2 章 基本数据结构　*6  
2.*　列表　*6  
2.*.*　列表的*建　*6  
2.*.2　列表基本操作　*7  
2.*.3　列表方法与函数操作　*9  
2.2　元组　2*  
2.2.*　元组的*建　2*  
2.2.2　元组的操作　22  
2.3　字典　23  
2.3.*　字典的*建　24  
2.3.2　字典的操作　25  
2.4　集合　26  
2.4.*　集合的*建　26  
2.4.2　集合的操作　26  
2.5　习题　27  

第　3 章 控制流、函数与文件操作　28  
3.*　条件语句　28  
3.*.*　简单条件结构　28  
3.*.2　嵌套条件结构　29  
3.2　循环语句　30  
3.2.*　for 循环　30  
3.2.2　while 循环　30  
3.3　函数　3*  
3.3.*　定义函数　3*  
3.3.2　默认参数　3*  
3.3.3　任意参数　32  
3.3.4　匿名函数　33  
3.4　文件操作　33  
3.4.*　读取 txt 文件　33  
3.4.2　写入 txt 文件　34  
3.4.3　读写 CSV 文件　35  
3.5　习题　36  

第　4 章 NumPy 基础　37  
4.*　*建数组对象　37  
4.*.*　使用函数 array *建数组对象　37  
4.*.2　使用*门函数*建数组对象　38  
4.*.3　生成伪随机数　39  
4.2　数组操作　4*  
4.2.*　数组重塑　4*  
4.2.2　数组转置和轴变换　4*  
4.2.3　数组的索引和切片　42  
4.3　数组运算　44  
4.3.*　通用函数　44  
4.3.2　基本统计运算　46  
4.3.3　矩阵运算　47  
4.4　数组文件的*存与导入　48  
4.5　习题　49  

第　5 章 Pandas 入门　50  
5.*　Pandas 数据结构　50  
5.*.*　Series　50  
5.*.2　DataFrame　5*  
5.2　Pandas 对象基本操作　53  
5.2.*　索引操作　53  
5.2.2　DataFrame 的查询与子集选择　55  
5.3　DataFrame 的导入和导出　62  
5.3.*　读写文本文件　63  
5.3.2　读写其他格式的文件　64  
5.4　Pandas 数据预处理　66  
5.4.*　数据的合并　66  
5.4.2　数据长宽格式的转换　68  
5.4.3　缺失值的识别与处理　70  
5.4.4　数据值的转换　75  
5.5　习题　85  

第　6 章 数据可视化　86  
6.*　Matplotlib 绘图基础　86  
6.*.*　函数 plot 与图形元素　86  
6.*.2　*局参数查看与设置　88  
6.*.3　*页多图　89  
6.*.4　*存图形　90  
6.*.5　基本统计图形　9*  
6.2　Seaborn 数据可视化　96  
6.2.*　Seaborn 简介　96  
6.2.2　直方图和密度曲线图　97  
6.2.3　条形图　98  
6.2.4　箱线图和小提琴图　99  
6.2.5　点图　*02  
6.2.6　带状点图与簇状点图　*02  
6.2.7　散点图　*04  
6.2.8　散点图矩阵　*04  
6.2.9　多面板图　*05  
6.2.*0　回归图　*07  
6.2.**　分面网格图　*07  
6.2.*2　Seaborn 图形*存　*08  
6.3　其他 Python 数据可视化工具　*08  
6.4　习题　*09  

第　7 章 基本统计分析　**0  
7.*　查看数据集信息　**0  
7.2　数值型变量的统计描述　**3  
7.3　数值型变量的假设检验　**7  
7.3.*　单个样本的 t 检验　**7  
7.3.2　*立样本的 t 检验　**7  
7.3.3　非*立样本的 t 检验　**8  
7.3.4　单因素方差分析　**9  
7.3.5　组间差异的非参数检验　*2*  
7.3.6　连续型变量之间的相关性　*2*  
7.4　分类变量的列联表和*立性检验　*24  
7.4.*　生成频数表　*24  
7.4.2　*立性检验　*26  
7.5　习题　*28  

第　8 章 线性模型与广义线性模型　*29  
8.*　线性模型　*29  
8.*.*　简单线性回归模型　*29  
8.*.2　多重线性回归模型　*34  
8.2　Logistic 回归　*37  
8.2.*　Logistic 回归模型　*37  
8.2.2　Logistic 回归实例　*38  
8.3　Poisson 回归　*43  
8.3.*　Poisson 回归模型　*43  
8.3.2　Poisson 回归实例　*43  
8.4　生存分析与 Cox 回归　*45  
8.4.*　生存分析简介　*45  
8.4.2　生存率的 Kaplan-Meier 估计　*47  
8.4.3　Cox 回归　*50  
8.5　习题　*53  

第　9 章 Scikit-learn 机器学习入门　*54  
9.*　机器学习简介　*54  
9.2　加载数据集　*54  
9.3　学习和预测　*58  
9.3.*　*监督学习　*58  
9.3.2　监督学习　*59  
9.4　模型的选择与评估　*6*  
9.5　习题　*63  

第　*0 章 TensorFlow 深度学习入门　*64  
*0.*　深度学习简介　*64  
*0.2　感知机与*经网络　*65  
*0.3　激活函数　*67  
*0.4　损失函数　*68  
*0.5　*化器　*68  
*0.6　构建并训练*经网络　*69  
*0.7　习题　*7*  

第　** 章 图像分类卷积*经网络模型　*72  
**.*　卷积*经网络　*72  
**.*.*　局*感受野　*72  
**.*.2　共享权重和偏置　*73  
**.*.3　池化　*73  
**.2　加载数据集　*74  
**.3　构建卷积*经网络模型　*75  
**.4　编译并训练模型　*77  
**.5　评估模型　*78  
**.6　习题　*79  

习题参考答案　*80  
参考资料　*92