编程语言：python

数据来源：选择的R语言自带数据库birthwt，大家可以自己去导出，本次也提供了数据(见附件）

目的：使用Python进行对 birthwt数据 里面 bwt 变量进行单样本的T检验

使用的Python库：pandas  、scipy、numpy

前提知识：进行T检验的数据需要先符合正态分布，因此需要

导入库：

import numpy as np

import pandas as pd

import scipy.stats as stats

打开文件：

birthwt = pd.read_csv("F:\\临时项目\\数据处理助手\\birthwt.csv")

步骤：①进行正态性检验：

使用Shapiro-Wilk检验（使用scipy库的stats里面的shapiro方法可以很方便的对变量做正态性检验）：

处理代码：

result1 = stats.shapiro(birthwt.bwt)

print(result1)

结果：

ShapiroResult(statistic=0.9924418330192566, pvalue=0.43540576100349426)

从上面可以看到P值为0.435>0.05，可以认为bwt服从正态分布

② 假设研究总体中bwt的平均值为3000克，使用单样本T检验检验birthwt数据集里面的bwt和总体均值有误统计学差异：

使用方法使用scipy库的stats里面的ttest_1samp方法进行单样本的T检验

处理代码：

result2 = stats.ttest_1samp(birthwt.bwt, 3000)

结果：

TtestResult(statistic=-1.04468420299874, pvalue=0.29751034076282334, df=188)

返回内容：statistic是统计值，pvalue是P值， df是自由度

根据结果可以看到：P值大于0.05，所以birthwt数据集中bwt数据和总体平均值3000没有显著差异（P=0.298）