本书代码

本书使用的代码和数据都可从GitHub（https://github.com/AllenDoweny/ThinkStats2）下载。Git是一个版本管理系统，可以对项目文件进行跟踪。受Git管理的文件集称为代码库（repository）。GitHub是一项托管服务，可以存储Git代码库，并提供一个便于使用的Web接口。

我的GitHub主页提供以下几种使用代码的方法。

•你可以点击Fork按钮，在GitHub上创建该代码库的副本。如果你还没有GitHub账号，就需要创建一个。创建副本之后，你就在GitHub上拥有了自己的代码库，可以跟踪学习本书时编写的代码。之后你可以复制这个代码库，即将文件复制到自己的计算机上。

•或者，你也可以复制我的代码库。这一操作不需要GitHub账号，但是你对代码所做的修改无法写回GitHub。

•如果你完全不想使用Git，那么可以点击GitHub页面右下角的按钮，下载文件的Zip包。

本书所有代码都无需翻译即可在Python 2和Python 3中直接运行。

编写本书代码时，我使用的是Continuum Analytics的Anaconda，这是一个免费的Python版本，其中带有运行本书代码所需的所有软件包（还有很多其他包）。Anaconda很容易安装。默认情况下，Anaconda进行用户级而非系统级安装，因此不需要管理员权限。Anaconda同时支持Python 2和Python 3，你可以从Continuum（http://continuum.io/downloads）进行下载。

如果你不想使用Anaconda，那么需要安装以下软件包。

•pandas，进行数据的表示和分析。下载地址为：http://pandas.pydata.org/。

•NumPy，支持基本的数字运算。下载地址为：http://www.numpy.org/。

•SciPy，进行科学计算，包括统计运算。下载地址为：http://www.scipy.org/。

•StatsModels，进行回归分析和其他统计分析。下载地址为：http://statsmodels.sourceforge.net/。

•matplotlib，支持可视化。下载地址为：http://matplotlib.org/。

虽然这些都是常用软件包，但并不是所有的Python安装都包含这些包，而且在有些环境下很难进行安装。如果你无法安装这些包，我强烈建议你使用Anaconda，或者包含这些包的其他Python版本。

当你复制完代码库或者将Zip包解压后，会得到一个名为ThinkStats2/code的文件夹，其中有一个nsfg.py文件。运行nsfg.py会读取一个数据文件，运行一些测试，并输出一条消息，如“All tests passed”。如果你得到的是import error，可能是因为缺少某些必要的软件包。

本书的大部分练习都使用Python脚本，但也有一些使用IPython记事本。如果你之前没有用过IPython记事本，可以访问文档http://ipython.org/ipython-doc/stable/notebook/notebook.html得到帮助。

本书读者应该熟悉Python的核心功能，包括面向对象的特征，但无需具备pandas、NumPy和SciPy知识。如果你已经熟知这些模块，可以跳过一些相关小节。

本书读者应该了解基本的数学知识，例如对数和求和。本书中有几处会涉及微积分概念，但你无需进行微积分运算。

如果你从未学习过统计学，本书会是一本很好的入门教材。如果你学习过传统的统计学课程，那么我希望本书能够修正你过去接受的一些错误观点。

一

Allen B. Downey是一位计算机科学教授，执教于美国马萨诸塞州尼德姆的富兰克林欧林工程学院。