如何解决插入两列数据框而不是一列时,了解 scipy 的 shapiro 行为
我有类似的数据框:
codes=[1,3,1,3]
values=[702,713,701,721,705,715,703,712,706,710,702,698,718,704]
df = pd.DataFrame(list(zip(codes,values)),columns =['code','val'])
>>>
code val
0 1 702
1 3 713
2 1 701
3 3 721
4 1 705
5 3 715
6 1 703
7 3 712
8 1 706
9 3 710
10 1 702
11 3 715
12 1 698
13 3 718
14 1 704
我想检查第 1 组和第 3 组的值是否存在显着差异。为此,我使用了 scipy 的 shapiro 检验来检查数据是否呈正态分布。
shapiro1=stats.shapiro(df[df['code'] == 1]
>>>
ShapiroResult(statistic=0.6468859314918518,pvalue=4.644487489713356e-05)
shapiro3=stats.shapiro(df[df['code'] == 3]
>>>
ShapiroResult(statistic=0.6508359909057617,pvalue=0.00011963312863372266)
如您所见,我通过代码而不是值来过滤数据框,因此我插入具有一个代码值和两列的数据框。
然后我做了一些我认为可以解决的事情:
stats.shapiro(df[df['code'] == 3]['val'])
>>>
ShapiroResult(statistic=0.967737078666687,pvalue=0.8816877007484436)
所以它不是正态分布的。
当我打印插入到 shapiro 的部分时:
df[df['code'] == 3]
我有两列的数据框,它检查什么? “代码”分布?它们的一些混合?
我的问题是:
当我将两列 df 插入到 shapiro 测试时,它会检查什么?
编辑:我已经能够添加更多列并对它们运行 shapiro 测试(仅使用随机数)
解决方法
从 source on github 开始,调用 stats.shapiro()
时发生的第一件事是将输入传递给 numpy.ravel()
。这会将数据的视图(如果可能)或副本作为扁平的、连续的一维数组返回。
基本上,它将所有列放入一个又大又长的桶中,然后继续计算 Shapiro-Wilk 检验。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。