T 检验是最基础的统计检验, 统计书中最开始的一章节, 主要用于连续变量的显著性检验, 分为:

• 与固定值的T检验

• 配对样本T检验

• 独立样本T检验

from scipy import statsimport pandas as pdimport numpy as npfrom statsmodels.formula.api import olsfrom statsmodels.stats.anova import anova_lmfrom statsmodels.stats.multicomp import pairwise_tukeyhsdimport matplotlib.pyplot as plt

6.1 T检验（与固定值）

这里, 与常量比较时, 用的是stats.ttest_lsamp函数

试验数据是一组5年生的树, 查看它们与8米的差异是否达到显著水平

dat = pd.read_csv("6.1.csv")

dat.head()

print(stats.ttest_1samp(dat,8))

Ttest_1sampResult(statistic=array([4.51858295]), pvalue=array([8.49191658e-05]))

6.2配对样本T检验

配对样本T检验, 用的是stats.ttest_rel()函数

paired = pd.read_csv("6.2.csv")

paired.head()

stats.ttest_rel(paired["a"],paired["b"])

Ttest_relResult(statistic=-5.223707703484895, pvalue=0.0033994208029429042)

stats.ttest_1samp(paired,0)

Ttest_1sampResult(statistic=array([26.67732616, 27.63689361]), pvalue=array([1.38380926e-06, 1.16087330e-06]))

6.3独立样本T检验

独立样本T检验用的是:statsmannwhitneyu()函数

duli = pd.read_csv("6.3.csv")

duli.head()

stats.mannwhitneyu(duli['a'],duli['b'])

MannwhitneyuResult(statistic=4.0, pvalue=0.015319493968851633)

​数据下载:

6.1.csv

6.2.csv

6.3.csv