我正在尝试在 Python 3 中执行两个样本的 KS 测试,以检测分布之间的任何显着差异。为了方便起见,让a和b我要比较的.csv数据列,我干脆跑了下面的“代码”:
from scipy.stats import ks_2samp
ks_2samp(a, b)
返回值包含最大距离(statistics
)和p值(pvalue
):
Ks_2sampResult(statistic=0.0329418537762845, pvalue=0.000127997328482532)
我想知道的是,由于ks_2samp
只处理双侧双样本KS Test,有没有办法在Python中执行单侧双样本KS Test?
另外,如何找出距离最大的位置呢? (x 轴值)。
最佳答案
scipy.stats.ks_2samp
已经支持你想要的。您只需要告诉您要测试的方向,即假定哪个样本大于或小于另一个样本。
但是,这个用于设置 alternative
的选项仅在 scipy 1.3.0 之后可用。
ks_2samp(a, b, alternative='less') # get p-value for testing if a < b
ks_2samp(a, b, alternative='greater') # get p-value for testing if a > b
编辑:
要确定发生最大差异的 x 值,可以使用此函数(主要是从 ks_2samp
的源代码中复制粘贴):
def ks_2samp_x(data1, data2, alternative="two-sided"):
data1 = np.sort(data1)
data2 = np.sort(data2)
n1 = data1.shape[0]
n2 = data2.shape[0]
data_all = np.concatenate([data1, data2])
# using searchsorted solves equal data problem
cdf1 = np.searchsorted(data1, data_all, side='right') / n1
cdf2 = np.searchsorted(data2, data_all, side='right') / n2
cddiffs = cdf1 - cdf2
minS = np.argmin(cddiffs) # ks_2samp uses np.min or np.max respectively
maxS = np.argmax(cddiffs) # now we get instead the index in data_all
alt2Dvalue = {'less': minS, 'greater': maxS, 'two-sided': max(minS, maxS)}
d_arg = alt2Dvalue[alternative]
return data_all[d_arg]
关于python - 如何在 Python 中执行单尾双样本 Kolmogorov–Smirnov 检验?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58287132/