如果進行配對T檢驗的數據不符合正態分布，可以考慮以下幾種方法：

1. 使用非參數檢驗：非參數檢驗不依賴於數據的分布情況，而是基於數據的排序或者秩次來進行統計推斷。例如，可以使用Wilcoxon符號秩和檢驗（Wilcoxon signed-rank test）來代替配對T檢驗。

2. 轉換數據：如果數據在其他方面符合正態分布的假設，但是存在一些離群值或者異常值導致整體不符合正態分布，可以嘗試對數據進行轉換。常見的數據轉換方法包括對數變換、平方根變換、倒數變換等。

3. 使用Bootstrap方法：Bootstrap方法是一種非參數統計方法，通過對原始樣本進行有放回的重採樣，建立樣本的分佈範圍，並進行推斷和假設檢驗。可以使用Bootstrap方法來進行推斷，而不受數據分布的限制。

4. 使用魯棒統計方法：魯棒統計方法是一種對數據分布不敏感的統計方法，可以通過排除異常值或者使用魯棒估計方法（如中位數代替均值）來減少數據不正態分布的影響。

需要根據具體情況選擇適當的方法來分析數據。如果數據不符合正態分布，尤其是在樣本容量較小的情況下，非參數檢驗方法可能是較好的選擇。對於較大樣本容量或者其他特殊情況，可以考慮其他轉換數據或魯棒方法。