常用的统计分析工具有Excel、R语言和SPSS等。目前，Python因使用简单、模块众多，也广泛应用于统计分析中。《利用Python学习统计分析》就是一本详细介绍Python统计分析的入门书籍。书中从软件安装到基本语法、库的使用方法都进行了详细解析；对于统计分析，从描述统计、推断统计到多变量分析等都有解析，涵盖Python编程基础、均值和方差、概率和概率分布、抽样和估计、假设检验、相关分析、主成分分析和因子分析等，内容丰富，通俗易懂。 本书特别适合大中专院校统计相关专业学生、想使用Python分析数据的数据分析人员等参考学习。

第1章 统计和Python
1.1 数据和统计学
1.2 浅析Excel、R和SPSS及Python
1.3 开发环境的下载、安装和运行
1.3.1 开发环境的下载和安装
1.3.2 运行Jupyter Notebook
1.3.3 保存运行结果和退出Jupyter Notebook
1.4 库的安装
第2章 Python编程
2.1 Python程序的结构
2.1.1 for循环语句
2.1.2 变量
2.1.3 Python的基本数据类型
2.1.4 列表推导式、enumerate和zip
2.1.5 Lambda表达式
2.1.6 面向对象
2.2 Python程序的书写规范
第3章 描述统计——均值和方差
3.1 量和数据的种类
3.2 均值
3.2.1 均值的“代表值”
3.2.2 用Python计算均值
3.3 频率分布、方差和偏差
3.3.1 频率分布
3.3.2 四分位距和箱线图
3.3.3 方差和标准差
3.3.4 使用Python绘制频率分布图
3.3.5 使用Python计算方差并绘制箱线图
第4章 推断统计（1）——概率和概率分布
4.1 离散现象的计数和概率
4.1.1 计数
4.1.2 概率
4.2 连续现象的概率分布
4.2.1 概率分布
4.2.2 代表性概率分布
第5章 推断统计（2）——抽样和估计
5.1 总体和抽样
5.2 均值、方差和其他统计指标的点估计
5.2.1 通过样本均值对总体均值进行点估计
5.2.2 通过样本无偏方差估计总体方差
5.2.3 样本的均值偏差（方差）
5.2.4 从正态总体中求出样本方差的偏差
5.2.5 两个正态总体的样本均值之差的分布
5.2.6 两个正态总体的样本方差之比的分布
5.3 均值、方差和其他统计指标的区间估计
5.3.1 正态总体均值的区间估计
5.3.2 正态总体的方差区间估计
5.3.3 正态总体的总体均值之差的区间估计
5.3.4 正态总体的总体方差之比的区间估计
5.3.5 总体比例的区间估计
第6章 推断统计（3）——假设检验
6.1 假设与检验
6.2 正态总体的相关假设检验
6.2.1 正态总体的均值检验——t检验
6.2.2 正态总体方差的X2检验
6.2.3 两个正态总体均值之差——2样本检验
6.2.4 两个总体方差之比——F检验
6.2.5 X2（卡方）检验
第7章 多维数据分析（1）——两个量的关系
7.1 相关分析——两个量的关系分析
7.1.1 两个定量变量之间的相关分析
7.1.2 相关系数的区间估计与检验（不相关检验）
7.2 从属关系的分析——回归分析
7.3 定性变量之间的关系
第8章 多维数据分析（2）——通过较少维度进行说明
8.1 主成分分析
8.2 因子分析
8.2.1 因子分析的思路
8.2.2 使用Python进行因子分析