scipy.stats.

PermutationMethod

class scipy.stats.PermutationMethod(n_resamples=9999, batch=None, random_state=None, *, rng=None)

用于置换假设检验的配置信息。

此类的实例可以传递到某些假设检验函数的 method 参数中，以执行假设检验的置换版本。

属性:

n_resamplesint，可选

要执行的重采样次数。 默认值为 9999。

batchint，可选

在每次矢量化调用统计信息时要处理的重采样次数。 当统计信息被矢量化时，批量大小 >>1 通常更快，但内存使用量随批量大小线性缩放。 默认值为 None，它在单个批次中处理所有重采样。

rngnumpy.random.Generator，可选

用于执行重采样的伪随机数生成器。

如果 rng 通过关键字传递给初始化器，或者直接使用 rng 属性，则除 numpy.random.Generator 之外的类型将传递给 numpy.random.default_rng 以实例化 Generator 以供使用。 如果 rng 已经是 Generator 实例，则使用提供的实例。 指定 rng 以获得可重复的行为。

如果此参数通过位置传递，如果 random_state 通过关键字传递到初始化器中，或者如果直接使用 random_state 属性，则 legacy 行为适用 random_state

• 如果 random_state 为 None (或 numpy.random)，则使用 numpy.random.RandomState 单例。

• 如果 random_state 是一个整数，则使用一个新的 RandomState 实例，并使用 random_state 播种。

• 如果 random_state 已经是 Generator 或 RandomState 实例，则使用该实例。

1.15.0 版本已更改: 作为从使用 numpy.random.RandomState 过渡到 numpy.random.Generator 的 SPEC-007 的一部分，此属性名称从 random_state 更改为 rng。 在过渡期间，这两个名称将继续有效，尽管一次只能指定一个。 在过渡期结束后，使用 random_state 将发出警告。 上面概述了 random_state 和 rng 的行为，但新代码中应仅使用 rng。