资源系列|《Python医学数据分析入门》

- 11.19-

最近的VIP交流群十分火爆，群内对Python医学数据分析感兴趣的好友特别多~

应读者朋友的强烈邀请，希望再推荐一本Python医学数据处理学习方法的书籍。

呐，今天为大家推荐这样一本小编的珍藏好书：《Python医学数据分析入门》

赞赏本文，即可解锁资源哦~

前言：

数据分析是当今大数据时代最关键的技术，其广泛应用于包括医学在内的各个领域。

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，结合大量精选的实例，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,读者不仅能掌握使用 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不仅适合临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研人员学习数据分析的参考书。

全书分两篇:

• 第一篇从临床研究的目的、数据变量个数、变量类型等方面，引导读者判断和选择适宜的统计方法;

• 第二篇具体介绍各类统计分析方法及对应的 SPSS操作实例，从模拟的临床研究案例人手，解析数据结构，选择统计方法，判断统计方法的适用条件，并重点介绍SPSS 的操作步骤，最后解释结果、撰写结论。

本书可供临床研究统计学科研人员及学生阅读和参考。

本书简介：

本书各个章节的内容按照由浅人深的顺序进行安排。全书可以分为三部分：

• 第一部分包括第1~6章：其中前3章介绍了 Python语言的基本用法。第4章和第5章分别介绍了数据分析的两个基本库--NumPy和Pandas，涵盖了基本数据操作和数据预处理的方法。第6章介绍了如何用Python进行数据可视化操作重点介绍了Matplotlib库和Seaborn库虽然大多数统计学检验也可以使用统计学模型的方法来完成，但是在很多情况下，统计模型并不是所有生物医学研究所必需的。

• 第二部分包括第 7~8章：介绍了常用统计分析方法，包括基本的统计描述和统计推断。其中，第7章介绍了描述性统计分析和各种单因素分析方法。第8章结合实际数据介绍了医学研究中最常用的4 种回归模型，即线性模型、Logistic 回归模型Poisson回归模型和Cox回归模型。

• 第三部分由第 9~11章组成：主要讲述机器学习算法，第9章绍了如何使用Scikit-learn实现简单高效的数据挖掘和机器学习算法。第10章介绍了如何使用TensorFlow建立和验证深度学习模型。第11章介绍了如何使用卷积神经网络模型对图像进行分类。

全书共计11章，并且各章自成体系。读者可以从头至尾逐章学习，也可以根据自己在实际中遇到的问题有选择地在相应章节寻找解决方案。

书中配有大量的案例解析和程序示例，以及使用Python绘制的图形所有代码均在 Python3.8.5环境下运行通过。

赞赏本文，即可解锁资源哦~

目前，该书在网络的售价如下：

（书籍内页）

长按扫码关注：科研生信充电宝

10元赞赏本文，即喜欢作者~

即可直接解锁：

《Python医学数据分析入门》对应资源（书中所有的示例数据和代码）哦~

看到这里你还不心动吗？

赶紧关注、转发、点赞、分享，领取你的专属福利吧~

好啦，以上就是今天推文的全部内容啦！

今天的分享就到这里啦~

另外，本公众号建立了R语言和Python学习分享群，联系后台小编，拉您入群。

版权声明：本文内容由互联网用户自发贡献，版权归作者所有，本公众号不拥有所有权，也不承担相关法律责任。

如果您发现本公众号中有涉嫌抄袭的内容，欢迎发送邮件至：kysxcdb@163.com 进行举报，一经查实，本公众号将立刻删除涉嫌侵权内容。