如何用python做t检验

Hey小伙伴们，今天来聊聊一个超级实用的统计方法——t检验，你可能听说过它，也可能在数据分析的时候用到过，但是你知道如何用Python来实现它吗？别急，我来手把手教你。

让我们来简单了解一下t检验，t检验是一种统计假设检验，用于比较两组数据的平均值是否有显著差异，它广泛应用于科学研究和数据分析中，比如比较两组实验数据，或者评估干预措施的效果。

让我们进入正题，看看如何用Python来实现t检验，我们会用到一个非常流行的库——SciPy，它包含了大量的科学计算工具，其中就包括t检验的功能。

准备工作

在开始之前，确保你的Python环境中已经安装了SciPy库，如果没有安装，可以通过pip来安装：

pip install scipy

单样本t检验

单样本t检验用于比较样本均值与一个已知的总体均值，假设我们有一个样本数据集，我们想要检验这个样本的平均值是否显著不同于一个已知的总体平均值。

from scipy import stats
import numpy as np
假设这是我们的样本数据
sample_data = np.array([1, 2, 3, 4, 5])
假设这是我们想要比较的总体均值
population_mean = 3
进行单样本t检验
t_statistic, p_value = stats.ttest_1samp(sample_data, population_mean)
print(f"t统计量: {t_statistic}, p值: {p_value}")

独立样本t检验

独立样本t检验用于比较两个独立样本组的平均值是否有显著差异，我们想要比较两组不同条件下的实验结果。

假设这是两组独立样本
sample1 = np.array([1, 2, 3])
sample2 = np.array([4, 5, 6])
进行独立样本t检验
t_statistic, p_value = stats.ttest_ind(sample1, sample2)
print(f"t统计量: {t_statistic}, p值: {p_value}")

配对样本t检验

配对样本t检验用于比较两个相关样本组的平均值是否有显著差异，我们想要比较同一组人在干预前后的变化。

假设这是两组配对样本
before = np.array([1, 2, 3])
after = np.array([1.5, 2.5, 3.5])
进行配对样本t检验
t_statistic, p_value = stats.ttest_rel(before, after)
print(f"t统计量: {t_statistic}, p值: {p_value}")