重点介绍在使用Python中进行数据分析时一些常用的方法，这些方法涵盖了从数据的初步探索和概括，到更复杂的统计测试和机器学习模型的构建。
利用这些方法可高效完成分类、预测、聚类、降维，挖掘数据规律，从而揭示数据背后的模式和趋势。每种方法都有其适用的场景和优势，选择合适的方法对于数据分析的成功至关重要。
T检验
T检验用于比较两组样本均值是否存在显著差异。
方差分析(ANOVA)
ANOVA用于比较多组样本均值是否存在显著差异。
描述性统计
描述性统计提供了对数据集的整体概括，包括均值、中位数、标准差等基本统计
相关性分析
线性回归
线性回归用于建立自变量和因变量之间的线性关系模型。
主成分分析(PCA)
PCA用于降低数据维度并提取主要特征。
聚类分析
聚类分析是一种无监督学习方法，用于将数据集中的对象分组
使得同一组内的对象相似度高，不同组之间的对象相似度低。
决策树
决策树是一种监督学习算法，用于分类和回归任务。
时间序列分析
用于分析按时间顺序排列的数据点，如股票价格或温度记录。
生存分析
内容较多，收藏练习起来吧！
