• 标题：Think Stats，第二版：Python中的探索性数据分析
• 作者 艾伦·B·唐尼等。
• 发布者：奥莱利传媒；第2版（2014年11月7日）
• 许可证： 抄送BY-NC 4.0
• 回纸：226页
• 电子书：HTML和PDF（242页，1.8 MB）
• 语言：英语
• 国际标准图书编号-10：1491907339
• ISBN-13：978-149190733
• 分享这个：  

书籍描述

如果你知道如何编程，你就有能力利用概率和统计工具将数据转化为知识。这个简明的介绍向您展示了如何使用Python编写的程序以计算方式而非数学方式执行统计分析。

你将在整本书中进行案例研究，以帮助你学习整个数据分析过程，从收集数据和生成统计数据到识别模式和测试假设。在此过程中，您将熟悉分布、概率规则、可视化以及许多其他工具和概念。

关于作者

• 艾伦·B·唐尼是美国计算机科学家，曾任富兰克林·W·奥林工程学院计算机科学教授。

审查、评级和建议：

• 亚马逊

相关图书类别：

• 统计学和数理统计学
• 概率与随机
• Python编程
• 数据分析和数据挖掘
• 数据科学与大数据

阅读和下载链接：

• Think Stats，第二版：Python中的探索性数据分析（Allen B.Downey）
• 镜像网站（1）-PDF、ePub、Kindle等。
• 镜像站点（2）-PDF

类似书籍：

• O'Reilly®Think Bayes:Python中的贝叶斯统计

  如果你知道如何编程，你就可以处理贝叶斯统计了。通过本书，您将学习如何使用Python代码而不是数学公式，使用离散概率分布而不是连续数学来解决统计问题。

• 用蟒蛇学习统计学（伊桑·威德）

  本书解释了使用Python框架内统计的基本概念。统计学和计算机编码的结合很快成为学术界和工业界研究的标准。

• Python中的统计和机器学习（Edouard Duchesnay）

  阐述了将统计与机器学习联系在一起的基本概念，以便读者不仅可以使用现代Python模块来使用统计和机器学习模型，还可以了解它们的相对优缺点。

• 使用Python进行回归分析（Eric Marsden）

  具备执行能力回归分析通过本书，您将获得使用Python快速构建更好的线性模型的知识，并将结果应用到Pythons或任何您喜欢的计算机语言中。

• 统计学习导论：Python应用

  这本书涵盖的材料与统计学习导论：R中的应用（ISLR），但实验室是用Python实现的。这些实验室对Python新手和经验丰富的用户都很有用。

• 现代统计导论（Mine Chetinkaya-Rundel等人）

  本书重点强调探索性数据分析，并使用随机化和引导对基于模拟的推理进行了深入讨论，然后介绍了相关的基于中心极限定理的方法。

• 统计推理基础（Pete Kaslik）

  这本书是为参加统计学入门课程的学生设计的。整本书的重点是如何在仅有部分证据的情况下做出决策。它关注的是思维过程。

• 统计学理论（James E.Gentle）

  这本书面向那些数理统计已经或将成为他们生活重要组成部分的学生。它涵盖了经典似然、贝叶斯和置换推理；介绍基本渐近分布理论；和现代话题。

• 错误的统计数据：可悲的完整指南（莱因哈特）

  科学进步取决于良好的研究，而良好的研究需要良好的统计数据。但统计分析很难正确进行，即使对我们中最优秀和最聪明的人来说也是如此。你会惊讶于有多少科学家在做错事。

• 谎言，该死的谎言：如何用统计数据说出真相

  我们的目标是帮助你学习如何用统计数据说出真相，因此，如何在别人说出真相时说出真相。。。或是伪造他们的“新闻”。涵盖数据分析、二项和正态模型、样本统计、置信区间、假设检验等。

• 用数据回答问题：介绍性统计

  这是一本免费的本科生统计学入门教材。学生将学习选择适当的数据分析技术，进行分析，并得出适当的结论。