Python 数据统计完全指南：从入门到实战（2025–2026 实用版）

这份指南的目标是让你在 3–8 周内，从“几乎没做过统计” → “能独立完成 80% 常见业务/科研统计分析任务”。

一、先搞清楚 2025–2026 年真正高频的统计分析工具栈

最务实的工具组合（2026 年主流）
pandas + numpy + scipy.stats + seaborn + ydata-profiling + pingouin

二、学习路径与时间规划（最现实版）

三、核心知识点清单（带代码模板）

1. 描述统计（几乎所有分析都从这里开始）

import pandas as pd
import numpy as np

df = pd.read_csv("your_data.csv")

# 一行代码获得大部分描述统计
df.describe(include="all")

# 分组统计（业务中最常用）
df.groupby("group")["metric"].agg(["count","mean","std","min","median","max"])

# 偏度与峰度（判断分布形态）
df["metric"].skew()
df["metric"].kurtosis()

2. 快速高质量 EDA（2025–2026 最推荐方式）

# 安装：pip install ydata-profiling
from ydata_profiling import ProfileReport

profile = ProfileReport(df, title="数据质量与分布报告", explorative=True)
profile.to_file("report.html")          # 打开浏览器查看交互报告

3. 最常见的 10 种统计检验（带代码模板）

import scipy.stats as stats
import pingouin as pg

# 1. 单样本 t 检验
stats.ttest_1samp(df["score"], popmean=75)

# 2. 独立样本 t 检验（两组均值比较）
stats.ttest_ind(groupA["metric"], groupB["metric"], equal_var=False)   # Welch t-test

# 3. 配对样本 t 检验（前后测）
stats.ttest_rel(before, after)

# 4. Mann-Whitney U 检验（非参两独立样本）
stats.mannwhitneyu(groupA["metric"], groupB["metric"])

# 5. Wilcoxon 符号秩检验（非参配对）
stats.wilcoxon(before, after)

# 6. 卡方检验（列联表）
stats.chi2_contingency(pd.crosstab(df["gender"], df["purchase"]))

# 7. 相关分析（Pearson / Spearman）
stats.pearsonr(df["age"], df["income"])
stats.spearmanr(df["rank"], df["satisfaction"])

# 8. 单因素方差分析（ANOVA）
stats.f_oneway(g1, g2, g3)

# 9. 重复测量 ANOVA（pingouin 更友好）
pg.rm_anova(data=df_long, dv="score", within="time", subject="id")

# 10. 效应量（Cohen's d 等）—— pingouin 非常方便
pg.compute_effsize(groupA["metric"], groupB["metric"], eftype="cohen")

4. 置信区间（业务报告必备）

# 方法1：scipy（单样本均值置信区间）
stats.t.interval(confidence=0.95, df=len(data)-1, loc=np.mean(data), scale=stats.sem(data))

# 方法2：pingouin（更简洁，支持多种统计量）
pg.compute_bootci(data["metric"], func="mean", confidence=0.95)

四、2026 年最常被问到的统计场景 & 解决方案

五、进阶推荐资源（2026 年仍在活跃更新）

• 最务实书籍：Practical Statistics for Data Scientists（第 2 版）
• 最实用课程：统计思维（Think Stats 中文版） + Pingouin 官方文档
• 代码模板仓库：搜索 “python-statistics-cookbook” 或 “pingouin-examples”
• 交互报告神器：ydata-profiling / sweetviz / pandas-profiling（旧名）
• 置信区间可视化：estimation-stats 库（raincloud plots）

一句话总结给想快速上手的同学：

先用 pandas + ydata-profiling 做出漂亮的 EDA 报告 → 再用 pingouin 完成 80% 的假设检验 → 最后补效应量和置信区间 → 就已经能应对大部分业务/论文需求了。

你目前最想解决哪一类统计问题？
（A/B 测试？相关分析？多组比较？数据分布检验？还是只想先出一份好看的 EDA 报告？）

告诉我你的具体场景或数据集类型，我可以直接给你最匹配的代码模板 + 解释链路。