介绍了再 Python 数学建模时如何使用假设检验，以及两个特殊的非参数假设检验——KS 检验和 Wilcoxon 检验。

介绍了方差分析的 Python 实现，数学建模中可能会使用到。

介绍了 Windows 下如何安装 docker，然后配置 vscode + docker 环境，再也不用启动笨重的虚拟机了。

介绍了灰色关联度的使用，并与 Pearson/Spearman 相关系数进行了对比。

介绍了两种相关系数——Peason 相关系数和 Spearman 相关系数，并使用 Python 库求取它们。

介绍了一个强大的 Python 库——Fitter。这个库可以用来拟合随机变量的概率密度，可以为一个样本找到最合适的分布函数。

介绍了高斯核密度估计的 Python 实现，获取核密度 pdf 以及 seaborn 作核密度估计图的方法。

介绍了快速傅里叶变化（FFT）的原理，调用 Python 库函数进行实现，并结合一个案例进行了分析。

介绍了数学建模数据预处理时如何灵活应用一些 Python 库解决问题。

介绍如何使用 Python 库 Prophet 进行时间序列分析，以及一些参数的含义和设置。