Python 两个数字（0.85,0.18）之间的T检验，p值为Nan

两个数字（0.85,0.18）之间的t检验得出p值为

Nan

，并出现以下错误：

也得到了这个错误 _，p_value=stats.ttest_ind（a=Max，b=Max_1，equal_var=False）

---

C:\Users\NehaBhakat\Anaconda31\lib\site packages\numpy\core\from numeric.py:3584:RuntimeWarning:Degrees of freedomt检验用于确定两个分布是否来自同一人群。不能测试两个单一值。因此，得到NaN是正确的

---

分布意味着，你有一个向量和你测量的值。要进行有意义的t检验，通常至少应该有30个值。

t检验用于确定两个分布是否来自同一人群。不能测试两个单一值。因此，得到NaN是正确的

---

分布意味着，你有一个向量和你测量的值。要进行有意义的t检验，您通常应该至少有30个值。

scipy.stats.ttest_ind（）

对两个样本进行t检验，检验两个独立样本具有相同平均（预期）值的无效假设。它希望您将两个样本（a组、b组）作为所有观测值的数组传递，以便计算合并的标准偏差。请参见下面使用的公式（来自）

为了计算标准偏差，我们需要每个点与平均值的差值，这就是为什么它要求你提供整个数据数组。 还解释了函数的期望值：

a、 b数组_-like 阵列必须具有相同的形状，但与轴对应的尺寸标注除外（默认情况下为第一个尺寸标注）

---

scipy.stats.ttest_ind（）

对两个样本进行t检验，检验两个独立样本具有相同平均（预期）值的无效假设。它希望您将两个样本（a组、b组）作为所有观测值的数组传递，以便计算合并的标准偏差。请参见下面使用的公式（来自）

为了计算标准偏差，我们需要每个点与平均值的差值，这就是为什么它要求你提供整个数据数组。 还解释了函数的期望值：

a、 b数组_-like 阵列必须具有相同的形状，但与轴对应的尺寸标注除外（默认情况下为第一个尺寸标注）

---

有关概念的讨论，请参见stats.stackexchange.com。有关概念的讨论，请参见stats.stackexchange.com。