假設你正在估計一種新病毒株在族群中擴散的速率。在決定是否要使用統計模型前，先探索手邊的資料始終是好習慣。請留意模型的假設以及資料需要符合的條件。
已為你載入三個資料集，名稱為：
virus_record_a
virus_record_b
virus_record_c
請在主控台逐一檢視每個 DataFrame。哪一個（或哪一些）DataFrame 適合用於生存分析？
pandas 與 numpy 分別已載入為 pd 與 np。
pandas
numpy
pd
np
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
存活分析要解決哪些問題？什麼是審查（censoring）？你將在探索存活分析資料、建立存活曲線，並對存活時間做基本估計的過程中回答這些問題。
當前練習
在本章中，你會學到 Kaplan–Meier 模型的運作方式，以及如何進行擬合、視覺化與解讀。接著，你會應用此模型來探索類別變數如何影響存活，並學習如何搭配假設檢定方法（例如對數等級檢定 log-rank test）來補強分析。
了解如何用參數式模型來建模時間到事件的資料。學習使用 Weibull 模型與 Weibull AFT 模型，並理解它們各自的目的。運用存活迴歸推論共變數如何影響存活函數，並學會為你的資料選擇最佳的存活模型。
再來一章、再認識一個模型！在最後一章中，你會學到比例風險假設，以及它在擬合與解讀 Cox 比例風險（Cox Proportional Hazards）模型時所扮演的角色。你也會學到如何使用 Cox 比例風險模型來預測新個體的存活時間。
