内容简介
Python是一款非常优秀的通用软件,功能强大,它的模块数目有几万个,而且还在飞速增长。本书是以一个统计学家的视角,以统计学内容为载体,力图用*简单的方式让你尽快掌握Python精髓计算机语言类图书。
本书面对是统计、应用数学及数据分析方面的师生和实际工作者。
作者简介
吴喜之 ,北京大学数学力学系本科,美国北卡罗来纳大学统计博士。中国人民大学统计学院教授,博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所著名学府执教。
目录
目录
第1 章引言
1.1 下载及安装Python
1.2 Anaconda 的几种界面
第2 章Python 基础知识
2.1 一些基本常识2.2 文件及输入输出
2.3 numpy 模块
2.4 pandas 模块
2.5 matplotlib 模块
2.6 scipy 模块
第3 章传统初等统计中的Python
3.1 简单的描述统计
3.2 把分类变量转换成哑元
3.3 简单的假设检验
3.4 相关与简单的回归
3.5 方差分析
3.6 logistic 回归
第4 章机器学习方法的回归和分类案例
4.1 回归
4.2 分类
第5 章时间序列
5.1 时间序列的图形描述
5.2 时间序列平稳性
5.3 ARMA 模型的拟合和预测
5.4 新西兰奥克兰降水数据的ARMA 拟合
5.5 向量自回归模型
第6 章类和子类简介
6.1 class
6.2 subclass
精彩书摘
Python 是一款非常优秀的通用软件; 它免费、开源; 它的模块数目有几万个, 而且还在飞速增长. Python 是目前几乎所有的知识探索及应用领域最重要的软件工具之一.
各个领域对Python 的广泛需求产生了很多关于Python 的教材. 但是, 由于Python的应用领域太多, 不同领域对Python 语言的需求大相径庭, 每本书可能仅适应于某一类读者. 本书面对的是(非计算机背景的) 统计、应用数学及数据分析方面的师生和实际工作者, 力图以最简单的方式让读者尽快地掌握Python 的精髓.
本书旨在介绍计算机语言, 因此不应被看成是统计教被, 其中涉及的一些统计内容仅仅是学习Python 的载体, 所以并不追求统计内容的完整和全面, 目的是向已经有些统计知识的人介绍Python.
目前世界经济是被技术驱动的, 而拥有编程技能则是一种优势. 在科学、技术、工程等领域, 有过半的工作是由计算机完成的. 对能够编程的人才的需求远远超过供给. 学习编程不仅是社会需要, 而且能够使人学会思考.
能不能迅速学会编程, 关键在于对其是否感兴趣. 当然, 从来没有写过程序的人不可能事先就感兴趣, 但人生绝大多数兴趣都是后天培养的. 对编程的爱好是在编程中培养的. 如果你能够把编程作为一种艺术来欣赏, 作为一种嗜好来实践, 那么你的目的就达到了.
在大数据时代的数据分析, 最重要的不是掌握一两种编程语言, 而是拥有泛型编程能力(也是一种思维方式). 有了这种能力, 语言之间的不同不会造成太多的烦恼. Python 仅仅是一种编程语言, 但对于编程的初学者来说, 却是一个良好的开端.
关于Python 和R 的比较, 一些人说Python 比R 好学, 而另一些人正相反, 觉得R更易掌握. 其实, 对于熟悉编程语言的人来说, 学哪一个都很快. 它们的区别大体如下: 由于有统一的志愿团队管理, R 的语法相对比较一致, 安装程序包很简单, 而且很容易找到帮助和支持, 但由于R 主要用于数据分析, 所以一些对于统计内容不那么熟悉的人可能觉得对象太专业了. Python 则是一款通用软件, 比C++ 容易学, 功能并不差, 基于Python 改进的诸如Cython 那样的改进或包装版软件运行速度也非常快. 但是, Python 没有统一的团队管理, 针对不同Python 版本的模块非常多. 因此对于不同的计算机操作系统、不同版本的Python、不同的模块, 首先遇到的就是安装问题, 语法习惯也不尽相同. 另外, R 软件的基本语言(即下载R 之后所装的基本程序包) 本身就可以应付相当复杂的统计运算, 而相比之下Python 的统计模型没有那么多, 做一些统计分析不如R 那么方便, 但从其基本语法所产生的成千上万的模块使它几乎可以做任何想做的事情.
学习自然语言必须依靠实践, 而不能从背单词和学习语法入手. 学习计算机语言也是一样, 本书不采用详尽的使用手册式教学, 而是让读者通过实践来学会编程语言. 当需要查找某些特定的定义或语法细节时, 网络查询则是最好的途径.
吴喜之
Python:统计人的视角/统计数据分析与应用丛书 epub pdf mobi txt 电子书 下载 2024
Python:统计人的视角/统计数据分析与应用丛书 下载 epub mobi pdf txt 电子书 2024