Python医学实用统计分析 潘兴强,陈根浪 编 生活 文轩网

1Python简介与安装/1
1.1Python的优点/1
1.2Python的安装与配置/2
1.2.1Windows系统下的安装与配置/3
1.2.2Mac系统下的安装与配置/6
1.2.3Linux系统下的安装与配置/6
1.3Anaconda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
1.3.5conda常用命令合集/7
1.4JupyterNotebook/8
1.4.1打开JupyterNotebook/9
1.4.2JupyterNotebook界面/9
2Python语言基础与重要的库/16
2.1Python快速入门/16
2.1.1第一个Python程序/16
2.1.2Python的缩进/17
2.1.3查询帮助文件/17
2.1.4Tab键自动补全代码/18
2.2Python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
3.1NumPy多维数组对象/25
3.1.1NumPy数组属性/25
3.1.2NumPy数组创建/27
3.1.3NumPy切片和索引/30
3.2Pandas数据结构/32
3.2.1Series（一维数据）/32
3.2.2DataFrame（二维数据）/33
3.2.3NumPy与Pandas转换/36
3.3数据取值与选择/36
3.3.1Series（一维数据）/36
3.3.2DataFrame（二维数据）/38
3.4数据读取与存储/41
3.4.1Pandas读取Excel数据/41
3.4.2Pandas读取CSV文件/42
3.4.3Pandas读取Txt数据/43
3.4.4Pandas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
4.9.1merge()方法/65
4.9.2concat()方法/67
4.9.3join()方法/70
4.10数据集取子集/72
4.10.1直接选择/72
4.10.2loc()函数选取子集/73
4.10.3iloc()函数选取子集/74
4.11数据分组/75
4.11.1groupby()函数/75
4.11.2cut()和qcut()函数/77
4.12melt()函数/80
4.13数据集更新/81
4.13.1replace()函数/81
4.13.2update()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
5.2.1pandas函数/91
5.2.2lambda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
6.2http协议与url/106
6.2.1http请求/107
6.2.2http响应/107
6.3网页结构/108
6.3.1HTML标签/108
6.3.2HTML属性/109
6.4Requests库/109
6.4.1获取网页/109
6.4.2POST请求/111
6.5BeautifulSoup库/111
6.5.1BeautifulSoup对象/111
6.5.2BeautifulSoup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
8.1.2Wilcoxon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
8.3.2Kruskal-WallisH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
9.1.2R×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
9.2Fisher确切概率法/166
9.2.1Fisher确切概率法使用条件/166
9.2.2Fisher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（CochranQ检验）/169
9.4.1CochranQ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
11logistic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
11.1.3logistic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
12Poisson回归/207
12.1Poisson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
13.5Cox比例风险模型/219
13.5.1Cox模型简介/220
13.5.2Cox模型分析的资料格式/221
13.5.3Cox模型分析的Python实现/221
13.5.4Cox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
14.4ARIMA模型/228
14.4.1资料格式/228
14.4.2ARIMA模型的Python实现/229
14.5季节性ARIMA模型/237