3dwoo大學簡體電腦書店
Python醫學數據分析入門
( 簡體 字)
作者:趙軍類別:1. -> 程式設計 -> Python
   2. -> 教材 -> 數位影像處理
出版社:人民郵電出版社Python醫學數據分析入門 3dWoo書號: 55493
詢問書籍請說出此書號!
有庫存
NT售價: 450
出版日:1/1/2022
頁數:191
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 字 )
ISBN:9787115575432 加入購物車加到我的最愛 (請先登入會員)
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證, 繁體書的下載亦請直接連絡出版社)
第 1 章 Python 語言基礎 1
1.1 關于 Python 1
1.2 為什么使用 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 系統上安裝 Anaconda 3
1.4.2 在Linux 系統上安裝 Anaconda 3
1.4.3 安裝和更新包 3
1.4.4 Python 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 Python 7
1.6.1 獲取幫助 7
1.6.2 把 Python 當作一個計算器 9
1.6.3 Python 對象 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
2.2 元組 21
2.2.1 元組的創建 21
2.2.2 元組的操作 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
3.2.1 for 循環 30
3.2.2 while 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 創建數組對象 37
4.1.1 使用函數 array 創建數組對象 37
4.1.2 使用專門函數創建數組對象 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
5.1 Pandas 數據結構 50
5.1.1 Series 50
5.1.2 DataFrame 51
5.2 Pandas 對象基本操作 53
5.2.1 索引操作 53
5.2.2 DataFrame 的查詢與子集選擇 55
5.3 DataFrame 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
5.4 Pandas 數據預處理 66
5.4.1 數據的合并 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
6.1 Matplotlib 繪圖基礎 86
6.1.1 函數 plot 與圖形元素 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
6.2 Seaborn 數據可視化 96
6.2.1 Seaborn 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
6.2.12 Seaborn 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
8.2 Logistic 回歸 137
8.2.1 Logistic 回歸模型 137
8.2.2 Logistic 回歸實例 138
8.3 Poisson 回歸 143
8.3.1 Poisson 回歸模型 143
8.3.2 Poisson 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
8.4.3 Cox 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 構建并訓練神經網絡 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 編譯并訓練模型 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,其廣泛應用于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。
pagetop