Z檢驗
statsmodels.stats.weightstats.ztest()
import statsmodels.stats.weightstats as sw
參數詳解：
x1:待檢驗數據集；
x2:待檢驗數據集；默認為None，雙樣本檢驗時不為None；
value:在一個樣本中，value是原假設下x1的均值。在兩個樣本中，value為原假設下x1均值與x2均值之差；
alternative:str,默認為'two-sided',雙尾檢驗；右尾檢驗，'larger';左尾檢驗，'smaller'；
usevar:str,默認為'pooled',此時認為樣本的標准偏差是相同的；
ddof:int;自由度,用於計算方差的平均估計。在比較的情況下，這是一個，但它可以調整，以測試其他統計數據(比例，相關性)(這個解釋翻譯自官網，我不常用，就沒有深究）
官網詳解
返回：
tstat:float,檢驗統計量；pvalue:float,p值
t檢驗
stats.ttest_ind()
from scipy import stats
用途：
兩個獨立樣本的均值檢驗
參數詳解：
a,b:待檢驗的兩個數據集；
axis:計算時所沿的軸，這個一般不用特殊設置；
equal_var:如果為True（默認值），則執行一個標准的獨立2樣本檢驗，該檢驗假定總體方差相等。如果為False，則執行Welch的t檢驗，該檢驗不假定總體方差相等;
nan_policy:定義當輸入包含nan時如何處理。可以使用以下選項（默認為'propagate'）：'propagate'：返回nan; 'raise'：拋出一個錯誤; 'omit'：執行計算時忽略nan值
alternative:str,默認為'two-sided',雙尾檢驗；右尾檢驗，'greater';左尾檢驗，'less'；
官網詳解
返回：
tstat:float,檢驗統計量；pvalue:float,p值
F檢驗
stats.levene()
from scipy import stats
用途：
方差齊性檢驗，用於t檢驗中方差未知的情況
參數詳解：
sample1,sample2···:待檢驗數據集；
center:默認為'median',還可以選'mean'和'trimmed';這個參數我不懂
proportiontocut: 顯著性水平，默認為0.05
官方詳解
返回：
tstat:float,檢驗統計量；pvalue:float,p值