scipy.stats.

PermutationMethod

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

排列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，以执行假设检验的排列版本。

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，批次大小 >> 1 往往更快，但内存使用量与批次大小成线性关系。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。

如果通过关键字将 rng 传递给初始化程序，或者直接使用 rng 属性，则将 numpy.random.Generator 以外的类型传递给 numpy.random.default_rng 以实例化 Generator，然后再使用。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，如果通过关键字将 random_state 传递给初始化程序，或者直接使用 random_state 属性，则应用 random_state 的旧行为。

• 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 进行种子设置。

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

在 1.15.0 版本中更改： 作为从使用 numpy.random.RandomState 过渡到 numpy.random.Generator 的 SPEC-007 过渡的一部分，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，但一次只能指定一个。在过渡期之后，使用 random_state 将发出警告。上面概述了 random_state 和 rng 的行为，但在新代码中应仅使用 rng。