Python 是一種廣泛使用的編程語言，擁有強大的功能和豐富的庫。Python 的顯著性檢驗功能也是其中之一，它可以幫助我們統計分析數據并進行假設檢驗。

# 導入庫
import numpy as np
from scipy import stats
# 創建數據集
dataset = [60, 78, 83, 72, 87, 68, 92, 76, 80, 85]
# 進行t檢驗
t_statistic, p_value = stats.ttest_1samp(dataset, 75)
# 輸出結果
print('t統計量為：', t_statistic)
print('p值為：', p_value)
# 判斷結果
if p_value< 0.05:
print('拒絕零假設')
else:
print('不能拒絕零假設')

在上述代碼中，我們使用 Numpy 和 Scipy 庫來進行顯著性檢驗。首先，我們創建一個包含 10 個數據點的數據集。之后，我們使用 Scipy 中的 `ttest_1samp()` 函數，進行一個樣本的 t 檢驗。輸入兩個參數，第一個是數據集，第二個是我們想要假設的總體平均值，這里假設為 75。該函數會返回兩個值：t 統計量和 p 值。最后，我們根據 p 值來判斷是否拒絕零假設，即總體平均值等于 75。

總之，Python 的顯著性檢驗功能對于數據分析和統計研究非常重要，它可以幫助我們進行數據的假設檢驗和置信區間估計等。我們可以使用 Scipy 庫中的 t 檢驗函數和 z 檢驗函數等進行顯著性檢驗。這些函數不僅可以提高我們的數據分析效率，還可以為我們的研究提供更有說服力的結果。