非参数统计是统计学和数据科学的重要分支领域。本书作为该领域的基础教材，其特点体现在以下几方面：
1．针对性强。本书针对数据分析专业的特点和需要，阐述非参数统计的基本概念、理论、方法和编程，重点从非受控观察数据对参数推断知识的需要角度出发，将统计推断知识、理论和方法与反事实复杂场景因果关系的解读与判断问题相结合，应用于稳健估计、局部模式、严格证据的信息提取任务中。
2．通用性强。适用于Python技术数据管理人才培养。增加Python技术的应用内容，编写了Python综合程序，降低了统计理论学习难度，增强了技术的可嵌入性；自主研发的精确分析求解程序，大大补充了Python中小数据推断程序的不足，计算的便利性大幅提升，适用于Python自动化测试、运维、数据分析等多种高端数据管理岗位的嵌入式学习需求。
3．内容新颖。顺应人工智能时代发展和数据分析大环境的变化，对特征工程有效降噪及控制错误发现率等方面的内容作了阐述与分析，针对深度学习对图像应用的需求增加，增加了深度学习的内容。

王星 中国人民大学统计学院教授，北京师范大学数学本科与硕士，中国人民大学统计学博士。国家社科基金重点项目负责人，《中国大百科全书》第三版统计学卷编委。在《统计研究》《中国人民大学学报》《数理统计与管理》和JAMA等刊物发表多篇论文。主要研究方向包括稀疏网络挖掘模型、高维复杂数据统计学习、深度学习等。主要著作和译作包括《非参数统计》《大数据分析：方法与应用》《人文社会科学文献网络知识模型与应用》《统计学习导论一基于R应用》等。讲授课程包括非参数统计、大数据分析、机器学习方法等。曾获北京市高等教育教学成果奖二等奖、第十届全国统计科学研究优秀成果奖二等奖、全国应用统计案例大赛一等奖指导教师等学术奖励；开设非参数统计MOOC课程。