scipy.stats.

PermutationMethod

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

置换假设检验的配置信息。

此类的实例可以作为一些假设检验函数的 method 参数，以执行置换版本的假设检验。

属性:

n_resamplesint, 可选

要执行的重采样次数。默认为 9999。

batchint, 可选

每次对统计量进行向量化调用时要处理的重采样数。当统计量进行向量化时，批处理大小 >>1 通常更快，但内存使用量与批处理大小呈线性关系。默认为 None，它会在单个批处理中处理所有重采样。

rngnumpy.random.Generator, 可选

用于执行重采样的伪随机数生成器。

如果通过关键字将 rng 传递给初始化器，或者直接使用 rng 属性，则 numpy.random.Generator 以外的类型将传递给 numpy.random.default_rng 以在使用前实例化一个 Generator。如果 rng 已经是 Generator 实例，则使用提供的实例。指定 rng 可实现可重复的行为。

如果此参数按位置传递，如果 random_state 通过关键字传递给初始化器，或者如果直接使用 random_state 属性，则 random_state 的传统行为适用。

• 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，并以 random_state 作为种子。

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

版本 1.15.0 中更改: 作为从使用 numpy.random.RandomState 到 numpy.random.Generator 的 SPEC-007 过渡的一部分，此属性名称已从 random_state 更改为 rng。在过渡期间，这两个名称将继续有效，但一次只能指定一个。过渡期过后，使用 random_state 将发出警告。上述已概述 random_state 和 rng 的行为，但在新代码中应仅使用 rng。