前言
大家好，在之前的文章中我们已经讲解了很多Python数据处理的方法比如读取数据、缺失值处理、数据降维等，也介绍了一些数据可视化的方法如Matplotlib、pyecharts等，那么在掌握了这些基础技能之后，要进行更深入的分析就需要掌握一些常用的建模方法，本文将讲解如何利用Python进行统计分析。和之前的文章类似，本文只讲如何用代码实现，不做理论推导与过多的结果解释(事实上常用的模型可以很轻松的查到完美的推导与解析)。因此读者需要掌握一些基本的统计模型比如回归模型、时间序列等。
Stat
一，首先介绍下多维列表的降维
def flatten(a):
for each in a:
if not isinstance(each,list):
yield each
else:
yield from flatten(each)
if __name__ == __main__:
a = [[1,2],[3,[4,5]],6]
print(list(flatten(a)))
二、这种降维方法同样适用于多维迭代器的降维
from collections impor
