前　　言

隨著我國醫療衛生事業的發展與壯大，廣大醫學工作者對數據分析方法的需求也越來越大。醫療健康領域的從業人員往往具有較強的專業知識，但缺乏對數據分析和人工智能技術的認知和運用能力，無法充分發揮和利用醫療數據的價值。在數據分析領域，Python語言簡單易用，第三方庫功能強大，提供了完整的數據分析框架，深受廣大數據分析人員的青睞。因此，編寫本書的主要目的是結合醫學數據系統地介紹如何利用Python進行數據分析，以幫助讀者解決數據分析中的實際問題。本著讓非專業讀者易于理解的原則，本書強調實戰和應用，著重介紹數據分析的思路和方法及其實質、特點、應用條件和結果，盡量淡化分析方法的推導和計算。

本書各個章節的內容按照由淺入深的順序進行安排。全書可以分為三部分。

第一部分包括第1～6章。其中前3章介紹了Python語言的基本用法；第4章和第5章分別介紹了數據分析的兩個基本庫——NumPy和Pandas，涵蓋了基本數據操作和數據預處理的方法；第6章介紹了如何用Python進行數據可視化操作，重點介紹了Matplotlib庫和Seaborn庫。

雖然大多數統計學檢驗也可以使用統計學模型的方法來完成，但是在很多情況下，統計模型并不是所有生物醫學研究所必需的。因此，本書第二部分介紹了常用統計分析方法，包括基本的統計描述和統計推斷。其中，第7章介紹了描述性統計分析和各種單因素分析方法；第8章結合實際數據介紹了醫學研究中最常用的4種回歸模型，即線性模型、Logistic回歸模型、Poisson回歸模型和Cox回歸模型。

第三部分由第9～11章組成，主要講述機器學習算法。第9章介紹了如何使用Scikit-learn實現簡單高效的數據挖掘和機器學習算法，第10章介紹了如何使用TensorFlow建立和驗證深度學習模型，第11章介紹了如何使用卷積神經網絡模型對圖像進行分類。

全書共計11章，并且各章自成體系。讀者可以從頭至尾逐章學習，也可以根據自己在實際中遇到的問題有選擇地在相應章節尋找解決方案。書中配有大量的案例解析和程序示例，以及使用Python繪制的圖形，所有代碼均在Python 3.8.5環境下運行通過。書中每一章都配有習題，書末附有習題參考答案。書中所有的示例數據和代碼均可以從異步社區（https://www.epubit.com）下載。

本書不僅適合臨床醫學、公共衛生及其他醫學相關專業的本科生或研究生使用，亦可作為其他專業的學生和科研人員學習數據分析的參考書。希望本書能夠讓讀者更深入地理解數據分析，并進一步促進開源軟件在醫學領域的應用。

本書參閱了許多國內外教材和資料，并引用了部分示例數據，在此向相關作者表示衷心的感謝。本書得到了湖北醫藥學院公共衛生與健康學院和研究生院的支持，在此也表示誠摯的謝意。此外，特別感謝人民郵電出版社的王峰松編輯在本書出版過程中給予的支持和協助。

本書前8章由趙軍編寫，后3章由劉文婷編寫。由于編者水平有限，書中難免存在不妥和謬誤之處。讀者可以將書中的錯誤及遇到的任何問題反饋給我們，歡迎發送郵件至郵箱zhaojun@hbmu.edu.cn。

編 者

2021年7月