统计很困难。 当然是这样，因为它是数据科学中大多数实际的科学部分。 但这并不意味着如果您足够聪明和有足够的决心，就无法自己学习。
在本文中，如果您想学习统计数据，我将列出我建议的6本书。 前三个是较轻的阅读。 这些书非常适合您设置思维，以进行更多的数字，数学和统计学思考。 他们还很好地介绍了为什么统计令人兴奋 （它是！）。
后三本书比较科学-使用公式和Python或R代码。 但是不要被吓到！ 数学就像乐高：如果将正确的小零件组装起来，那么较复杂的零件也不会遇到麻烦！
让我们看看清单！
- 好吧，我真的无济于事。
- 4x4th Estate：大海
- 关于心理健康的最佳书籍：盖尔·霍尼曼（Gail Honeyman）的《埃莉诺·奥利彭特（Eleanor Oliphant）完全没事》
- Yellowcop无处不在。
- 为了生活，我们会告诉自己什么样的故事？
当我第一次看到标题时，我已经喜欢它了！ 这是一本写得很好的书，其中包含许多故事-其中的所有内容都是基于真实的实验和真实的科学研究。
大卫·麦克雷尼（David McRaney）介绍了一个令人难过但真实的生活事实：我们的大脑不断欺骗我们，我们甚至还不够聪明，无法意识到这一点。 对于有抱负的数据科学家来说，这本书至关重要，因为它列出了许多常见的统计偏差类型。 它指出了一些典型的错误，例如自我服务偏见，可用性启发法和确认偏见。 它还显示了为什么人们倾向于被假新闻或骗局所欺骗，以及为什么人们在繁忙的街道上看到某人心脏病发作时却总是不愿意提供帮助。 意识到这些偏见应该是基本的，但是我看到即使是实践中的数据专业人士也会时不时地为他们服务……
（我写了一篇有关统计偏差类型的详细文章。在这里找到。）
您可以购买该书： 此处 （会员链接）。
上一本书是关于为什么我们不那么聪明。 但这是关于如何变得更聪明！ 像“怪胎般思考”向我们展示了批判性和非常规性思维如何可以带来巨大的成功……嘿，作为数据科学家，您应该每天练习。
该书列出了日常生活中的大量案例研究，并详细介绍了为什么解决问题的方法是好是坏。 阅读它肯定会激发您的分析思维。
您可以购买该书： 此处 （会员链接）。
如果您讨厌中学或高中的数学，那是出于一个原因：您的老师不好。 一位优秀的老师可以将数学方程式变成谜题，将概率论变成侦探故事，并将线性代数变成生活中所有大问题的最终解决方案。 幸运的是，我的数学老师非常好，所以我总是对数学和统计学感到非常兴奋。 回顾过去，这确实影响了我的生活。
如果您没有一个好的数学老师，约翰·艾伦·保罗（John Allen Paulos）会在这里为您弥补损失：他是您希望拥有的出色老师。 无能为力主要集中在统计的一个特定部分：概率论和计算。 它解释了其背后的数学原理，显示了公式，并将所有内容置于非常合乎逻辑的上下文中。 它通过显示这些计算在现实生活中的应用来做到这一点，因此您可以立即了解具有更多数学思维的优势。
您可以购买该书： 此处 （会员链接）。
我在上一篇文章中已经强调了这本书，但是我也不能将其添加到此列表中。 这是上一本轻读的统计书和下两本更科学的书之间的完美过渡。 阅读它，您可以轻松理解基本概念，例如均值，中位数，众数，标准差，方差和标准误差，或者更高级的东西，例如中心极限定理，正态分布，相关分析或回归分析。
几乎不用说，所有这些都是隐喻形式的，以便于理解。
您可以购买该书： 此处 （会员链接）。
这是一本相对较新的书，它包含初级数据科学家必须了解的有关统计的实用部分的所有内容。 我认为，这本书的最大优点是结构。 这确实使事情变得很清晰。 但是，它也对最常见的预测和分类模型进行了详细介绍，并且还谈到了机器学习和无监督学习。
这本书带有R代码示例，但是如果您不了解R，那不是问题。 您只需跳过这些部分。
您可以购买该书： 此处 （会员链接）。
从主题角度讲，“思考统计”确实类似于“数据科学家实用统计”。 不过，我希望将其列入清单，因为即使主题是相同的，不同的作家通常也会以不同的方式对待事情。 对于像数据科学这样复杂的话题，我认为有必要从不同角度审视并由两名不同的数据专业人员来解释问题。
另外，这是一本2011年的书。很高兴看到对事物（即使是这些标准）的解释在短短六年内发生了多大变化。
哦，我几乎忘了提到Think Stats可以免费以PDF格式下载，请访问以下网址：http://greenteapress.com/thinkstats/
或者，您也可以购买该书： 此处 （会员链接）。
通过阅读这六本书，您可以对数据科学统计学有深刻的了解！ 成为数据科学家的下一步是什么？ 好吧，首先：
我创建了一个全面的（免费）在线视频课程，以帮助您开始使用Data Science。 单击此处了解更多信息： 如何成为数据科学家 。
您甚至可以阅读更多书籍：这是我最喜欢的7本数据书。 或者，您可以开始学习使用SQL或Python进行编码。
如果您想更快地学习，请查看我为期6周的在线数据科学新课程： 《初级数据科学家》的第一个月
如果您认为此列表缺少某些内容，请在下面的评论部分中告诉我！
谢谢阅读！
喜欢这篇文章吗？ 请点击下面的let，让我知道。 它还可以帮助其他人看到故事！
托米·梅斯特
我的博客： data36.com
我的Twitter：
@ data36_com
