本书主要介绍与数据分析有关的语法基础, 针对性强, 帮助读者快速入门, 譬如在第2部分重点介绍了Python入门语法、特征以及数据分析所需要的一些基本语法。Python可以通过多个库、多种方法实现相同目的, 如实现线性回归可以用sklearn、statsmodels等库, 实现生存分析可以使用lifelines、pysurvival、statsmodels等库, 并且存在很多代码不统一的情况, 这会给初学者带来困惑。针对这个问题, 本书主要使用Scipy库来实现假设检验, 使用statsmodels库来拟合统计模型, 并且尽量使用简洁的代码来完成数据分析, 譬如在第7部分中介绍了利用Pandas库在同步完成数据清洗和统计图绘制, 减少代码书写量, 提高数据分析效率。本书的编写突出实用性, 注重数据前期处理与医学统计分析相结合; 按照资料类型介绍统计学方法, 有利于读者在实际数据分析中快速查找对应的统计学方法; 在介绍每种统计方法时, 强调适用条件, 提供最完整的代码, 注重统计结果的解释, 突出实用性和可操作性, 以达到降低数据分析难度的目的。