kruskal#
- scipy.stats.kruskal(*samples, nan_policy='propagate', axis=0, keepdims=False)[source]#
计算独立样本的 Kruskal-Wallis H 检验。
Kruskal-Wallis H 检验检验所有组的总体中位数相等的零假设。 它是 ANOVA 的非参数版本。 该检验适用于 2 个或更多个独立样本,这些样本的大小可能不同。 请注意,拒绝零假设并不表示哪些组不同。 需要组之间的事后比较来确定哪些组是不同的。
- 参数:
- sample1, sample2, …类数组
可以将两个或多个具有样本测量的数组作为参数给出。 样本必须是一维的。
- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
:如果存在 NaN 在轴切片(例如,行)沿其计算统计量,输出的相应条目将是 NaN。omit
:在执行计算时将省略 NaN。 如果沿其计算统计量的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。raise
:如果存在 NaN,将引发ValueError
。
- axisint 或 None,默认:0
如果为 int,则为输入轴,沿该轴计算统计量。 输入的每个轴切片(例如,行)的统计量将出现在输出的相应元素中。 如果
None
,则在计算统计量之前将输入展开。- keepdimsbool,默认:False
如果将其设置为 True,则减少的轴将保留在结果中,作为大小为 1 的维度。 使用此选项,结果将针对输入数组正确广播。
- 返回值:
- statisticfloat
Kruskal-Wallis H 统计量,已针对联系进行校正。
- pvaluefloat
使用 H 具有卡方分布的假设的检验的 p 值。 返回的 p 值是在 H 处评估的卡方分布的生存函数。
另请参阅
f_oneway
单因素 ANOVA。
mannwhitneyu
两个样本的 Mann-Whitney 秩检验。
friedmanchisquare
重复测量的 Friedman 检验。
笔记
由于假设 H 具有卡方分布,因此每组中的样本数不能太小。 一个典型的规则是每个样本必须至少有 5 个测量值。
从 SciPy 1.9 开始,在执行计算之前,
np.matrix
输入(不建议用于新代码)会转换为np.ndarray
。 在这种情况下,输出将是标量或适当形状的np.ndarray
,而不是 2Dnp.matrix
。 同样,虽然会忽略屏蔽数组的屏蔽元素,但输出将是标量或np.ndarray
,而不是具有mask=False
的屏蔽数组。参考文献
[1]W. H. Kruskal & W. W. Wallis, “Use of Ranks in One-Criterion Variance Analysis”, Journal of the American Statistical Association, Vol. 47, Issue 260, pp. 583-621, 1952.
例子
>>> from scipy import stats >>> x = [1, 3, 5, 7, 9] >>> y = [2, 4, 6, 8, 10] >>> stats.kruskal(x, y) KruskalResult(statistic=0.2727272727272734, pvalue=0.6015081344405895)
>>> x = [1, 1, 1] >>> y = [2, 2, 2] >>> z = [2, 2] >>> stats.kruskal(x, y, z) KruskalResult(statistic=7.0, pvalue=0.0301973834223185)