[中英对照] Python 数据科学基础（双语对照版电子书）

核心内容框架 （一）基础入门模块 数据科学概述：明确数据科学的定义，即从数据中提取意义的过程，介绍数据、数据点、变量、特征等核心概念，区分定量数据（如身高、体重等数值型数据）与定性数据（如头发颜色、车辆类型等非数值型数据）。同时，阐述数据科学研究问题需遵循 FINER 原则（可行、有影响、新颖、符合伦理、相关），并举例说明如何将宽泛的研究问题转化为可通过数据解答的具体问题。 工具入门：简要介绍 Jupyter 与 Python。Jupyter 作为基于网页的笔记本环境，可整合文本、数学公式、代码、可视化结果等，书中主要使用 JupyterLab；Python 则因语法简洁、跨平台、拥有丰富数据科学库等优势，成为本书的核心编程语言，书中会逐步引导读者熟悉其在数据科学中的应用。 （二）数据处理与可视化 数据操作：重点讲解 Pandas 库的使用，包括从 CSV、Excel 等格式文件加载数据，以及数据的选择、索引设置、新增列（如计算人均数据）等操作。以美国各州新冠疫情数据与社会经济数据（人口、GDP、城市化率等）的合并数据集为例，演示如何通过 Pandas 对数据进行清洗与预处理，为后续分析奠定基础。 数据可视化：介绍 Matplotlib 库生成散点图、直方图等基础可视化图表的方法。针对离散数据与连续数据的不同特点，讲解如何合理设置图表参数（如直方图的 bin 边缘、颜色、图例、坐标轴标签等），使图表更清晰地呈现数据分布与趋势，帮助读者直观理解数据特征。 （三）概率与统计核心 概率基础：构建概率空间（样本空间、事件类、概率测度）的概念，阐述概率的三大公理，推导概率的重要推论（如互补事件概率、事件并集概率等）。通过掷骰子、抛硬币等经典案例，讲解公平实验、相对频率与概率的关系，引入组合数学知识，解决有限样本空间下的概率计算问题。 统计检验：围绕零假设显著性检验（NHST）展开，介绍如何通过重采样（如自助法、置换检验）进行统计检验。详细讲解 P 值的计算、单尾与双尾检验的选择、统计误差类型（I 类错误、II 类错误）与统计功效等关键概念，并结合新冠疫情数据、教育与家庭财富关系数据等案例，演示如何判断观测到的差异是否具有统计学意义。 （四）进阶分析方法 条件概率与独立性：深入讲解条件概率的定义与计算，分析事件间的依赖与独立关系，推导全概率公式与贝叶斯法则。通过 “魔术师的硬币”“蒙提・霍尔问题” 等趣味案例，帮助读者理解条件信息对概率的影响，为后续贝叶斯方法的学习铺垫。 贝叶斯方法：介绍贝叶斯法则在实际问题中的应用，区分先验概率与后验概率，讲解如何利用观测数据更新对未知变量的信念。以医疗诊断（如 mammogram 检测乳腺癌）、通信系统决策等案例，展示贝叶斯假设检验与贝叶斯最优决策的实现过程，对比贝叶斯方法与传统频率学派方法的差异。 随机变量：从正式定义出发，介绍随机变量的概念，区分离散型与连续型随机变量。讲解累积分布函数、概率质量函数（离散）、概率密度函数（连续）等描述随机变量分布的工具，介绍常见的离散与连续随机变量分布（如二项分布、正态分布等），为后续参数估计、假设检验等内容提供理论基础。 三、书籍特色 计算优先理念：摒弃传统统计学中复杂且局限的公式推导，强调通过 Python 编程与模拟（如重采样）实现统计分析，使读者能快速上手处理真实数据集，降低学习门槛。 真实案例驱动：采用新冠疫情传播、教育对家庭财富影响、枪支法律与枪支死亡率关系等贴近现实的案例，让读者在解决实际问题的过程中掌握数据科学方法，提升知识的应用能力。 配套资源丰富：提供配套网站（fdsp.net），包含交互式测验、闪卡、Python 小部件与动画图表等资源，帮助读者巩固知识点，增强学习趣味性与互动性。 知识体系严谨：在介绍实用工具与方法的同时，注重数学基础的铺垫，确保读者不仅能 “知其然”，还能 “知其所以然”，为后续深入学习数据科学相关领域（如机器学习、深度学习）打下坚实基础。 四、适用人群与学习价值 （一）适用人群 理工科专业的本科生、研究生，可作为数据科学入门课程教材，替代传统的工程统计学课程。 从事工程、科学领域相关工作的从业者，需补充数据科学基础知识以提升工作中的数据分析能力。 具备基础编程与数学基础，希望转行进入数据科学领域的爱好者。 （二）学习价值 技能培养：帮助读者熟练运用 Python 数据科学库（NumPy、Pandas、Matplotlib、SciPy 等），掌握数据加载、清洗、可视化、统计分析与建模的核心技能。 思维建立：培养读者的数据分析思维，学会将实际问题转化为数据科学问题，通过数据驱动的方式进行决策与推断。 实践能力：通过大量真实案例与编程练习，提升读者解决实际数据科学问题的能力，为后续从事数据相关工作或深入学习进阶知识奠定基础。