使用Python和Rpy2进行统计测试（Kolmogorov和T-test）

我运行了一些算法，并希望对结果进行一些统计分析。我有两个向量，它们是错误率的平均值

有了R，用下面的线我就能得到所有东西

t.test(methodresults1,methodresults2,var.equal=FALSE,paired=FALSE,alternative="less")

因为我使用的是Python，所以我想使用Rpy2项目

我试过：

import rpy2.robjects as R

# methodresults1 and methodresults2 are numpy arrays.

# kolmogorov test
normality_res = R.r['ks.test'](R.FloatVector(methodresults1.tolist()),'pnorm',mean=R.FloatVector(methodresults1.mean().tolist()),sd=R.FloatVector(methodresults1.std().tolist())))

# t-test
res = R.r['t.test'](R.FloatVector(methodresults1.tolist()),R.FloatVector(methodresults2.tolist()),alternative='two.sided',var.equal=FALSE,paired=FALSE)

res.rx('p.value')[0][0]
res.rx('statistic')[0][0]
res.rx('parameter')[0][0]

我不能同时进行这两项测试

我还发现t-test的问题在于var.equal语句，它给了我一个*SyntaxError:keyword不能是表达式（，第1行）

额外的问题：有没有更好的方法来使用numpy和Rpy2？

如它所说：“SyntaxError:keyword不能是表达式（，第1行）。”

在Python中，符号不能包含字符“”

有关更多详细信息，请查看

---

---

要使用python执行ks测试，在两个示例测试的情况下，您可以

>>> from scipy.stats import ks_2samp
>>> import numpy as np
>>> 

其中

x

，

y

是两个

numy.array

：

>>> ks_2samp(x, y)
(0.022999999999999909, 0.95189016804849658)

第一个值是测试统计数据，第二个值是p值。如果p值小于95（显著性水平为5%），这意味着您不能拒绝两个样本分布相同的无效假设

对于一个样本ks测试，请参见此处的示例：

---

这个测试可以让你测试经验分布与给定概率分布的拟合优度。

既然

var.equal

和

paired

在默认情况下都是假的，为什么还要给它们赋值呢？我明白你说的，这就是我目前使用的方法。例如，问题是，如果我想要var.equal=True。我不知道如何在Rpy中设置。我试过var_equal=True，'var.equal'=True，但没有效果。还有很多选项，比如var.equal（na.action，lower.tail…），我想使用。我如何定义y~x和rpy2之间的关系？大概是这样的：

>>> ks_2samp(x, y)
(0.022999999999999909, 0.95189016804849658)