16天课程内容：
Day1：别再被统计学和Python劝退了！0基础30分钟上手，保姆级教学包会
Day2：一文搞懂数据集中趋势！均值/中位数/众数，Python一行代码就能算
Day3：数据散不散看这里！方差/标准差/分位数，小白也能秒懂的离散趋势
Day4：一眼看穿数据分布！偏度/峰度+箱线图可视化，Python实战教学
Day5：统计学最常用的正态分布！大白话讲原理+Python代码一键生成
Day6：三大抽样分布全解析！t/F/卡方分布，小白也能懂的底层逻辑
Day7：区间估计入门！手把手教你算总体均值的置信区间，附Python代码
Day8：比例区间估计实战！2个真实案例，搞定业务数据的区间估算
Day9：假设检验核心！单样本t检验，小白也能看懂的差异性分析
Day10：t检验进阶！独立样本&配对样本t检验，医学/业务场景全覆盖
Day11：假设检验拓展！单总体比例&方差检验，卡方检验入门
Day12：两总体差异分析！比例&方差的假设检验，Python全流程实战
Day13：多组数据比差异！单因素方差分析，从原理到代码手把手教
Day14：双因素方差分析！搞定两个变量对结果的影响，实战案例教学
Day15：变量之间有没有关系？全场景相关性分析，Python一行代码搞定
Day16：终极实战！AB测试全流程Python实现，把统计学用在真实业务里
Day1 别再被统计学和Python劝退了！0基础30分钟上手，保姆级教学包会
是不是一听到“统计学”就头大，满脑子都是复杂的公式和看不懂的术语？
是不是想入门Python做数据分析，结果刚打开软件就被一堆代码劝退？
是不是看了无数教程，还是从入门到放弃，觉得自己根本不是学这个的料？
别慌！今天起，零露老师会用16天的时间，用大白话+手把手的代码实操，带你从0基础小白，彻底搞懂Python统计学。不管你是医学生、护理从业者，还是运营、市场、职场人，都能听得懂、学得会、用得上！
先跟大家说句掏心窝子的话：绝大多数人学不会统计学和Python，根本不是你笨，而是教的人没说人话！上来就甩定义、堆公式，完全不管小白能不能听懂，不劝退才怪。
所以咱们这个系列，全程坚持2个原则：不说废话，只说人话；不搞虚的，只教实操。每天花30分钟，跟着做就能学会。今天第一天，咱们就搞定最核心的基础，迈出最关键的第一步！
一、大白话搞懂：统计学到底是个啥？
很多人觉得统计学高深莫测，其实它的本质超级简单：一堆数据太多了，你记不住、说不清楚，就用几个数字或者一张图，把这堆数据的特点说明白，这就是统计学。
举个最简单的例子：我给你一组数字【2,23,4,17,12,12,13,16】，你怎么跟别人描述这组数字？
你肯定会说：这组数最小是2，最大是23，平均下来大概12左右。
你看！你已经在用统计学了！用平均数、最大值、最小值这几个简单的数，就把8个数字的特点说清楚了，这就是统计学最核心的逻辑。
统计学就分两大块，咱们整个系列都会围绕这两块展开，先易后难，完全不用慌：
1、描述统计学：算出来的，用统计量描述已有的数据，比如咱们上面说的平均数、最大值；
2、推断统计学：猜出来的，用手里的样本数据，去推断整体的情况，比如抽查100包红糖的重量，去推断整批红糖够不够称。
二、数据分析的基石！4种数据类型，小白一次搞懂
不管你是做医学研究，还是做业务数据分析，首先要搞明白：你手里的数据，到底是什么类型？不同类型的数据，分析方法完全不一样，这一步错了，后面全白搭。
咱们先给数据分两大阵营：定性数据（给事物分类的）和定量数据（代表数量的），再往下各分2种，一共4种。零露老师用大白话+双场景例子，给你讲得明明白白，看完就能记住。
数据大类 | 细分类型 | 大白话核心定义 | 医学护理场景例子 | 非医学场景例子 |
定性数据（分类用，不能加减乘除） | 定类数据 | 只分类，不排序，数字只是代号，无大小之分 | 性别：1=男，2=女；血型：1=A型，2=B型，3=AB型，4=O型 | 用户手机品牌：1=苹果，2=华为，3=小米 |
定性数据（分类用，不能加减乘除） | 定序数据 | 既能分类，也能排顺序/分高低，但仍不能做四则运算 | 疼痛等级：0=无痛，1=轻度，2=中度，3=重度；护理分级：1=特级，2=一级，3=二级，4=三级 | 电商会员等级：1=普通，2=银卡，3=金卡，4=黑卡 |
定量数据（数值型，可计算） | 定距数据 | 实打实的数值，能做加减，不能做乘除，无绝对零点 | 患者体温：36.5℃和37.5℃能算1℃温差，但不能说38℃是19℃的2倍 | 年份：2024和2025能算差1年，不能算倍数关系 |
定量数据（数值型，可计算） | 定比数据 | 有绝对零点，加减乘除都能做，最常用的数值类型 | 患者住院天数、住院费用、身高体重、血压值 | 商品价格、用户消费金额、直播间观看时长 |
一句话总结帮你记忆：
(1)只能分类，不能排序：定类数据
(2)能分类，能排序，不能计算：定序数据
(3)能加减，不能乘除：定距数据
(4)加减乘除都能做：定比数据
这4种数据类型，是咱们整个统计学的地基，今天先把它记牢，后面所有的分析，都要先看数据类型！
三、手把手教你！Python环境一键搭建，小白5分钟搞定
很多小白一听到Python，就觉得要敲一堆复杂的代码，根本学不会。其实现在对新手最友好的方式，就是用Anaconda，一键安装所有需要的工具，不用你自己瞎折腾。跟着我的步骤来，全程点点鼠标，5分钟就能搞定！
咱们全程用Windows系统举例，Mac系统步骤几乎完全一致，有问题可以在评论区问我。
步骤1：下载Anaconda安装包（完全免费，不用注册）
1.打开浏览器，直接复制官网地址：https://www.anaconda.com/，避免大家找错网站
2.进入官网后，点击右上角的【Download】按钮，网站会自动识别你的电脑系统，匹配对应的安装包，直接点击下载即可
3.划重点：不用注册账号！不用花钱！个人使用完全免费，所有让你付费、注册的步骤，全部跳过！
步骤2：安装Anaconda，只需要注意1个关键点
1.下载完成后，双击打开安装包，弹出的界面点击【Next】
2.用户协议界面，点击【I Agree】，直接同意即可
3.安装用户选择，直接选【Just Me】，然后点【Next】
4.选择安装位置，默认装在C盘就可以；如果C盘空间不够，可以选其他盘，只要记住安装路径就行，然后点【Next】
5.最最关键的一步：高级选项界面，第一个勾选框「Add Anaconda3 to my PATH environment variable」一定要勾选上！（90%的小白装完用不了，都是因为没勾这个）第二个框默认勾选即可，然后点击【Install】
6.等待进度条走完，一直点【Next】，最后点击【Finish】，安装就完成了！
步骤3：打开代码神器Jupyter Notebook，新建你的第一个文件
1.安装完成后，按下电脑的【Win键】，在开始菜单里找到【Anaconda3】文件夹，点开后找到【Jupyter Notebook】，点击打开
2.点击后会弹出一个黑色的命令框（不用管它，绝对不要关掉！关了它程序就停了），然后会自动跳转到浏览器，打开Jupyter Notebook的界面，这就代表启动成功了
3.在浏览器的界面里，右上角有个【New】按钮，点击它，然后选择【Python3(ipykernel)】，就会新建一个空白的代码文件，咱们所有的代码都在这里写
步骤4：写下你的第一行Python代码，运行成功！
在界面里的灰色代码框中，输入下面这行代码，然后按下键盘的【Shift+Enter】，就能运行代码了：
Pythonprint("Hello 统计学！我终于迈出第一步啦！") |
如果你看到代码框下面，输出了「Hello 统计学！我终于迈出第一步啦！」这句话，恭喜你！你的Python环境已经完全搭建成功，已经能正常运行代码了！
四、第一次Python实战！双场景案例，手把手带你敲代码
光说不练假把式，接下来咱们就用2个真实案例，一个医学护理场景，一个通用业务场景，带着你用Python认识数据，计算最基础的统计量。
每一行代码我都会给你讲明白作用，你直接复制粘贴到你的代码框里，按【Shift+Enter】运行就行，保证你跟着做就能出结果！
案例一：医学护理场景-住院患者基本信息数据分析
咱们用临床最常见的住院患者信息数据，对应4种数据类型，同时用Python计算临床最关注的平均指标。
第一步：导入Python工具库
Python里有很多现成的计算工具，不用我们自己写复杂公式，先导入2个最核心的工具库，以后每次写代码，第一步都要先导入。
新建一个代码框，输入下面的代码，运行：
Python# 导入数值计算工具numpy，行业内都简称为np，咱们也跟着用import numpy as np# 导入表格处理工具pandas，行业内都简称为pdimport pandas as pd |
运行后没有报错，就代表导入成功了！
第二步：创建患者数据表格
咱们模拟10位住院患者的真实信息，包含4种数据类型，新建代码框，输入代码运行：
Python# 创建患者数据表格，每一行是1位患者，每一列是1个临床指标patient_data = pd.DataFrame({"患者编号": [1,2,3,4,5,6,7,8,9,10],"性别": [1,2,1,2,1,2,1,2,1,2], # 1=男，2=女，定类数据"疼痛等级": [0,1,2,1,0,3,2,1,0,2], # 0=无痛，1=轻度，2=中度，3=重度，定序数据"体温(℃)": [36.5,37.2,38.5,36.8,37.0,39.2,37.5,36.6,37.1,38.1], # 定距数据"住院天数": [5,7,12,4,3,15,9,6,4,8] # 定比数据})# 打印完整的患者信息表print("住院患者基本信息表：")print(patient_data) |
运行之后，你就能在界面里看到完整的10位患者表格，4种数据类型也全部对应上了。
第三步：一行代码计算临床核心指标
接下来咱们用Python，一秒算出这10位患者的平均体温、平均住院天数，新建代码框，输入代码运行：
Python# 计算10位患者的平均体温mean_temp = np.mean(patient_data["体温(℃)"])# 计算10位患者的平均住院天数mean_days = np.mean(patient_data["住院天数"])# 打印计算结果print(f"10位患者的平均体温为：{mean_temp}℃")print(f"10位患者的平均住院天数为：{mean_days}天") |
运行之后，你就能看到结果：10位患者的平均体温为37.45℃，平均住院天数为7.3天！
你看！咱们只用了一行核心代码，就完成了数据统计，不用自己按计算器一个个加，Python一秒钟就算完了，临床统计用这个方法，效率直接拉满！
案例二：非医学场景-电商用户消费数据分析
咱们再用一个电商运营的通用场景，再练一遍方法，不管你是什么行业，都能直接套用。
新建代码框，输入下面的代码，运行创建用户数据：
Python# 创建电商用户数据表格user_data = pd.DataFrame({"用户编号": [1,2,3,4,5,6,7,8,9,10],"性别": [1,2,1,2,1,2,1,2,1,2], # 1=男，2=女，定类数据"会员等级": [1,2,2,3,1,4,3,2,1,3], # 1=普通，2=银卡，3=金卡，4=黑卡，定序数据"浏览时长(分钟)": [5,12,8,20,6,25,15,10,7,18], # 定比数据"消费金额(元)": [59,199,99,359,29,599,299,159,89,259] # 定比数据})# 打印用户数据表格print("电商用户基本信息表：")print(user_data) |
运行后就能看到完整的用户数据，再新建代码框，计算运营核心指标：
Python# 计算用户平均浏览时长mean_time = np.mean(user_data["浏览时长(分钟)"])# 计算用户平均消费金额mean_money = np.mean(user_data["消费金额(元)"])# 打印计算结果print(f"10位用户的平均浏览时长为：{mean_time}分钟")print(f"10位用户的平均消费金额为：{mean_money}元") |
运行之后，就能看到结果：10位用户的平均浏览时长为12.6分钟，平均消费金额为215元！
第一天学习总结
恭喜你！今天第一天的内容就学完了！咱们今天搞定了3件大事：
1、搞懂了统计学的本质，再也不觉得它高深莫测了；
2、彻底分清了4种数据类型，打下了数据分析的核心地基；
3、成功搭建了Python环境，写出了第一行代码，还完成了2个真实场景的实战！
是不是发现，统计学和Python，根本没有你想的那么难？
下期预告
明天的Day2，咱们会深入学习描述统计学的核心——数据集中趋势，手把手教你用Python计算均值、中位数、众数，还会给大家带来更多临床和业务的真实案例，让你彻底搞懂：什么时候该用平均数，什么时候该用中位数，再也不会用错分析方法！
✨ 粉丝福利时间
(1)关注我的公众号，后续15天的教程会第一时间更新，不迷路！
(2)有任何不懂的地方，都可以在评论区留言，我会一一回复！
咱们明天见，带你继续解锁Python统计学的新技能！
10个月宝宝每天需要喝多少奶粉？
