scipy.stats.

kruskal#

scipy.stats.kruskal(*samples, nan_policy='propagate', axis=0, keepdims=False)[源代码]#

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，这些样本可能具有不同的大小。请注意，拒绝零假设并不表示哪些组存在差异。需要进行组间的事后比较才能确定哪些组存在差异。

参数:

sample1, sample2, …array_like

可以使用两个或多个具有样本测量的数组作为参数。样本必须是一维的。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

propagate：如果沿计算统计量的轴切片（例如行）中存在 NaN，则输出的相应条目将为 NaN。
omit：执行计算时将忽略 NaN。如果沿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，则会引发 ValueError。

axisint 或 None，默认值：0

如果为 int，则为沿其计算统计量的输入轴。输入的每个轴切片（例如行）的统计量将显示在输出的相应元素中。如果为 None，则在计算统计量之前将展开输入。

keepdimsbool，默认值：False

如果将其设置为 True，则被缩减的轴将保留在结果中，作为大小为 1 的维度。使用此选项，结果将与输入数组正确广播。

返回:

statisticfloat: Kruskal-Wallis H 统计量，已针对关联进行校正。
pvaluefloat: 使用 H 具有卡方分布的假设进行检验的 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: 对两个样本进行 Mann-Whitney 秩检验。
friedmanchisquare: 重复测量的 Friedman 检验。

注释

由于假设 H 具有卡方分布，因此每个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（不推荐用于新代码）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，而不是二维的 np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是标量或 np.ndarray，而不是 mask=False 的掩码数组。

参考

[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.

[2]

https://en.wikipedia.org/wiki/Kruskal-Wallis_one-way_analysis_of_variance

示例

>>> 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)