主要包括Python的简单介绍、研究设计、数据管理、概率分布、不同数据类型的假设检验、广义线性模型、生存分析和贝叶斯统计学等从入门到高级的内容。
同时，利用Python这门开源语言，不仅在直观上对数据分析和统计检验提供了很好的理解，而且在相关数学公式的讲解上也能够做到深入浅出。本书的可操作性很强，配套提供相关的代码和数据，读者可以依照书中所讲，复现和加深对相关知识的理解。
作者是托马斯·哈斯尔万特（Thomas Haslwanter），在学术机构中有超过10年的教学经验，是林茨上奥地利州应用科学大学（University of Applied Sciences Upper Austria in Linz）医学工程系的教授，瑞士苏黎世联邦理工学院讲师，并曾在澳大利亚悉尼大学和德国图宾根大学担任过研究员。
他在医学研究方面经验丰富，专注于眩晕症的诊断、治疗和康复。在深入使用Matlab十五年后，他发现Python非常强大，并将其用于统计数据分析、声音和图像处理以及生物仿真应用。
《python统计分析》由李锐翻译，复旦大学公共卫生学院流行病与生物统计专业博士生，Python、R和Lisp语言的爱好者，主要研究方向为统计学习和机器学习建模以及组学数据的数据挖掘。先后以第一作者身份发表学术论文6篇，其中SCI论文4篇。参编中文专著2本。
《python统计分析》内容共两份方面，分别阐述了Python和统计学，及分布和假设检验等。
本书强调实际问题的解决方法，是统计学家/计算机科学家和实验专家（如生物学家、物理学家、医生等）之间一个很好的桥梁。为了让读者更好地理解本书的内容，作者还提供了实际的例子和动手练习（书末附有答案），这使得本书受众广泛——从各个专业的本科生到寻求特定问题答案的成熟的研究人员。
《python统计分析》适合对统计学和Python有兴趣的读者，特别是在实验学科中需要利用Python的强大功能来进行数据处理和统计分析的学生和研究人员，感兴趣的朋友可以看看哦！
零基础如何学好python，作为一个学了python两三年的过来人，我当初也是从0开始一路摸索过来的，这里给想学python的小白们分享一点我的学习心得。1.《笨方法学Python》、《流畅的python》、《EffectivePython：编写高质量Python代码的59个有效方法》、《PythonCookbook》。
2.《利用Python进行数据分析（原书第2版）》、《Python数据科学手册(图灵出品)》。
Python 从入门到精通推荐看的书籍：
基础篇：
1.《笨方法学Python》。《笨方法学Python》的英文版，最初的几章有点枯燥，但如果把书里面所有代码都敲一遍，确实能够把基础打好。
2.《Python学习手册》。
这种外国人写的书，都有共同的特点，特别详细，每个知识点给你解释透透的，看的时候可以当作一个字典来翻，这本书确实是面向初学者的。
进阶篇：
1.《流畅的python》。
这本书的作者水平有点高，洋洋洒洒写了这么厚一本，关键是读的时候啊，感觉到处都有收获。前面几章是关于数据结构的，用上合适的数据结构，可以让代码更简洁，也可以让代码执行得更有效率。
2.《Python Cookbook》。
又是一本大部头著作，图灵的书真的挺好，缺点就是太厚了。cookbook类的书呢，大体遵循的规律是，面对那一个一个具体的问题，我们该怎么办。有点类似Q&A，实操性拉满。这本书还把不同的问题给你分门别类了，查起来挺方便。看过后对于代码质量的提升，很有帮助。
就业篇：
在就业篇里就需要分方向了。就业通常只学习python语法是不够的，还得掌握具体的学科知识。
1.web方向：
(1)《Flask Web开发》。
公司如果用python做web大多是初创的，大多用了flask，因为flask是一个小而美的框架，积累了大量第三方库，值得一学。
(2)《精通Django 3 Web开发》。
2.人工智能方向：
(1)《深度学习》。
深度学习挺有名的书，理论深度足够。俗称“花书”。
(2)《利用Python进行数据分析》。
用python做数据分析就得读这本。
