《Python统计分析基础及实践》以Python3为基础，详细介绍了Python在统计分析中的基础知识和实践应用，全书大致由数据整理、概率和统计推测三部分组成。其中在第1章对统计分析对象——数据的基本用语和数据的分类进行了介绍。第2~3章介绍了汇总平均值和数据方差的计算方法，进而介绍了数据可视化的方法。第4~9章介绍概率相关知识，概率是统计分析中不可缺少的数学知识。第10~12章介绍主要的统计分析方法，如参数估计、假设检验、回归分析等。所有章节均结合具体示例进行讲解，可帮助读者快速理解知识点。《Python统计分析基础及实践》知识点全面，且内容安排由浅入深、循序渐进，特别适合大中专院校金融、财务、统计、计算机、人工智能、机器学习相关专业学生学习，也适合初级科研人员、职场的数据分析人员参考学习。

第1章 关于数据1．1 数据大小1．2 变量类型1．3 总结第2章 整理一维数据2．1 数据中心指标2．2 数据偏差指标2．3 数据归一化2．4 一维数据的可视化第3章 整理二维数据 3．1 两个数据的关系性指标3．2 二维数据的可视化3．3 亚斯康通信公司的实例分析 第4章 推断统计基础 4．1 总体与样本 4．1．1 抽样方法4．2 概率模型4．3 推断统计中的概率4．4 后面要学习的东西第5章 离散型随机变量 5．1 一维离散型随机变量5．2 二维离散型随机变量第6章 常见的离散型概率分布6．1 伯努利分布 6．2 二项分布6．3 几何分布6．4 泊松分布第7章 连续型随机变量 7．1 一维连续型随机变量 7．2 二维连续型随机变量第8章 常见的连续型概率分布8．1 正态分布8．2 指数分布 8．3 卡方分布8．4 t分布8．5 F分布第9章 独立同分布 9．1 独立性9．2 和的分布 9．3 样本平均的分布 第10章 统计推断 10．1 点估计 10．2 区间估计第11章 统计假设检验 11．1 统计假设检验的概念11．2 常用的假设检验 11．3 两样本问题的假设检验第12章 回归分析 12．1 简单回归模型 12．2 多元回归模型12．3 模型选择12．4 模型的有效性