本书是一本基于Python（3.9.1 版本）实现全部例题计算和分析的统计学教材，书中例题解答均给出了详细的实现代码和结果。全书共10 章，第1 章介绍数据、Python 的下载与安装、Python 的数据类型和基本操作、Python 绘图基础等。第2 章和第3 章介绍数据的描述性分析方法，包括数据可视化和描述统计量。第4—6章介绍数据的推断性分析，包括概率分布、参数估计和假设检验。第7—10 章介绍实际中常用的一些统计方法，包括类别变量分析、方差分析、回归分析等。

本书可作为高等院校各专业开设统计学课程的教材，也可作为数据分析工作者、Python 数据分析和可视化爱好者的参考书。

前辅文
第1章 数据与Python 语言
  1.1 数据与统计学
   1.1.1 什么是统计学
   1.1.2 变量和数据
   1.1.3 数据的来源
  1.2 Python 的初步使用
   1.2.1 Python 的下载与安装
   1.2.2 模块的安装与加载
   1.2.3 查看帮助文件
   1.2.4 编写代码脚本
  1.3 Python 的数据处理
   1.3.1 Python 的基本数据结构
   1.3.2 numpy 中的数组
   1.3.3 pandas 中的序列和数据框
   1.3.4 随机数和数据抽样
   1.3.5 数据读取和保存
   1.3.6 生成频数分布表
  1.4 Python 绘图基础
   1.4.1 Python 的主要绘图模块
   1.4.2 基本绘图函数
   1.4.3 图形布局
   1.4.4 图形颜色、线型和标记
  习题
第2章 数据可视化
  2.1 类别数据可视化
   2.1.1 条形图
   2.1.2 饼图和环形图
  2.2 数据分布可视化
   2.2.1 直方图与核密度图
   2.2.2 箱线图和小提琴图
   2.2.3 点图
  2.3 变量间关系可视化
   2.3.1 散点图
   2.3.2 散点图矩阵
   2.3.3 气泡图和3D 散点图
  2.4 样本相似性可视化
   2.4.1 轮廓图
   2.4.2 雷达图
  2.5 时间序列可视化
   2.5.1 折线图
   2.5.2 面积图
  2.6 可视化的注意事项
  习题
第3章 数据的描述统计量
  3.1 描述水平的统计量
   3.1.1 平均数
   3.1.2 分位数
   3.1.3 众数
  3.2 描述差异的统计量
   3.2.1 极差和四分位差
   3.2.2 方差和标准差
   3.2.3 变异系数
   3.2.4 标准分数
  3.3 描述分布形状的统计量
   3.3.1 偏度系数
   3.3.2 峰度系数
  3.4 一个综合描述的例子
  习题
第4章 随机变量的概率分布
  4.1 什么是概率
  4.2 随机变量的概率分布
   4.2.1 随机变量及其概括性度量
   4.2.2 随机变量的概率分布
   4.2.3 其他几个重要的统计分布
  4.3 样本统计量的概率分布
   4.3.1 统计量及其分布
   4.3.2 样本均值的抽样分布
   4.3.3 样本方差的抽样分布
   4.3.4 样本比例的抽样分布
   4.3.5 统计量的标准误
  习题
第5章 参数估计
  5.1 参数估计的原理
   5.1.1 点估计与区间估计
   5.1.2 评量估计量的标准
  5.2 总体均值的区间估计
   5.2.1 一个总体均值的估计
   5.2.2 两个总体均值差的估计
  5.3 总体比例的区间估计
   5.3.1 一个总体比例的估计
   5.3.2 两个总体比例差的估计
  5.4 总体方差的区间估计
   5.4.1 一个总体方差的估计
   5.4.2 两个总体方差比的估计
  习题
第6章 假设检验
  6.1 假设检验的原理
   6.1.1 提出假设
   6.1.2 做出决策
   6.1.3 表述结果
   6.1.4 效应量分析
  6.2 总体均值的检验
   6.2.1 一个总体均值的检验
   6.2.2 两个总体均值差的检验
  6.3 总体比例的检验
   6.3.1 一个总体比例的检验
   6.3.2 两个总体比例差的检验
  6.4 总体方差的检验
   6.4.1 一个总体方差的检验
   6.4.2 两个总体方差比的检验
  6.5 正态性检验
   6.5.1 正态概率图
   6.5.2 S-W 检验和K-S 检验
  习题
第7章 类别变量分析
  7.1 一个类别变量的拟合优度检验
   7.1.1 期望频数相等
   7.1.2 期望频数不等
  7.2 两个类别变量的独立性检验
   7.2.1 列联表与χ 2 独立性检验
   7.2.2 应用χ 2 检验的注意事项
  7.3 两个类别变量的相关性度量
   7.3.1 φ 系数和Cramer’s V 系数
   7.3.2 列联系数
  习题
第8章 方差分析
  8.1 方差分析的原理
   8.1.1 什么是方差分析
   8.1.2 误差分解
  8.2 单因子方差分析
   8.2.1 数学模型
   8.2.2 效应检验
   8.2.3 效应量分析
   8.2.4 多重比较
  8.3 双因子方差分析
   8.3.1 数学模型
   8.3.2 主效应分析
   8.3.3 交互效应分析
  8.4 方差分析的假定及其检验
   8.4.1 正态性检验
   8.4.2 方差齐性检验
  习题
第9章 一元线性回归
  9.1 确定变量间的关系
   9.1.1 变量间的关系
   9.1.2 相关关系的描述
   9.1.3 关系强度的度量
  9.2 模型估计和检验
   9.2.1 回归模型与回归方程
   9.2.2 参数的最小二乘估计
   9.2.3 模型的拟合优度
   9.2.4 模型的显著性检验
  9.3 利用回归方程进行预测
   9.3.1 均值的置信区间
   9.3.2 个别值的预测区间
  9.4 回归模型的诊断
   9.4.1 残差与残差图
   9.4.2 检验模型假定
  习题
第10章 多元线性回归
  10.1 多元线性回归模型及其参数估计
   10.1.1 回归模型与回归方程
   10.1.2 参数的最小二乘估计
  10.2 拟合优度和显著性检验
   10.2.1 模型的拟合优度
   10.2.2 模型的显著性检验
   10.2.3 模型诊断
  10.3 多重共线性及其处理
   10.3.1 多重共线性及其识别
   10.3.2 变量选择与逐步回归
  10.4 相对重要性和模型比较
   10.4.1 自变量的相对重要性
   10.4.2 模型比较
  10.5 利用回归方程进行预测
  10.6 哑变量回归
   10.6.1 在模型中引入哑变量
   10.6.2 含有一个哑变量的回归
  习题
参考书目