Python 3.x Python比较分布：SciPy ks_2samp p值始终为0.0

我试图比较两种分布，看看它们是相似的还是不同的。我尝试使用pythonscipy包中的ks_2samp。这是我的密码

from scipy.stats import truncnorm
import matplotlib.pyplot as plt
from scipy import stats

def get_truncated_normal(mean=0, sd=1, low=0, upp=10):
    return truncnorm(low - mean) / sd, (upp - mean) / sd, loc=mean, scale=sd)

x1 = get_truncated_normal(mean=183, sd=50, low=1, upp=365).rvs(5722176)
x2 = get_truncated_normal(mean=175, sd=50, low=1, upp=365).rvs(5722176)
plt.hist(x1)
plt.hist(x2)
plt.show()
print(stats.ks_2samp(x1, x2))

Output:
Ks_2sampResult(statistic=0.06409554686888352, pvalue=0.0)

---

为什么我的输出

p值

总是

0.0

？非常感谢您的帮助。谢谢

检查这篇文章。

这表明Kolmogorov-Smirnov试验

您可以使用scipy执行KS测试

---

谢谢你的提示。在我的例子中，我相信是

scipy.stats.ks2samp

。但是，当我使用此选项时，我总是将p值设置为0.0。您可能使用了来自

ks_samp

的错误返回值。第一个返回值是KS检验统计量，它是累积分布函数之间距离的度量，如此之小意味着它们紧密相连，第二个返回值是p值。因此，您的代码看起来像是

ksTestStatistic，pValue=scipy.stats.ks_2samp（x1，x2）

，如果我在您的示例中运行这个，我会得到一个ks-test统计值

0.0097

和一个p值

0.73

，这无法拒绝它们来自同一分布（如预期）的无效假设。@alexpiers，谢谢是的，对于上面的例子，我得到了正确的KS统计和p值。我在不同的较大数据集（每个数组中约5754105个数据点）上测试了这种方法，该数据集经过多个掩码（我确保没有nan或inf值），但p值始终为0.0。有什么想法吗？谢谢您的帮助。@pyPN，如果没有看到您正在比较的数据集，很难说。此案例的KS测试统计数据是什么？@alexpiers..

KS_2sampleresult（统计数据=0.0824579016707816，pvalue=0.0）