Python Scipy kstest为相似的值集返回不同的p值

在Python 3.6.5和scipy 1.1.0中，当我运行Kolmogorov-Smirnov测试以检查均匀分布时，如果我向kstest函数提供行或列向量，我会得到两个相反的结果（从p值的角度来看）：

from scipy import stats
import numpy as np

>>> np.random.seed(seed=123)
>>> stats.kstest(np.random.uniform(low=0, high=1, size=(10000, 1)), 'uniform')

KstestResult(statistic=0.9999321616877249, pvalue=0.0)

>>> np.random.seed(seed=123)
>>> stats.kstest(np.random.uniform(low=0, high=1, size=(1, 10000)), 'uniform')

KstestResult(statistic=0.9999321616877249, pvalue=0.00013567662455016283)

您知道为什么会出现这种情况吗？

中提到，当

kstest

的第一个参数是数组时，它应该是一维数组。在您的示例中，您传递的是二维数组（在每种情况下，其中一个维度是无关紧要的）。结果是，

kstest

中的代码在输入数组是二维的情况下不会达到预期效果

简单的解决方法是在将数组传递给

kstest

之前将其展平。可以使用

ravel（）

方法来实现这一点。比如说,

In [50]: np.random.seed(seed=123)

In [51]: x = np.random.uniform(low=0, high=1, size=(10000, 1))

In [52]: stats.kstest(x.ravel(), 'uniform')
Out[52]: KstestResult(statistic=0.008002577626569918, pvalue=0.5437230826096209)

In [53]: np.random.seed(seed=123)

In [54]: x = np.random.uniform(low=0, high=1, size=(1, 10000))

In [55]: stats.kstest(x.ravel(), 'uniform')
Out[55]: KstestResult(statistic=0.008002577626569918, pvalue=0.5437230826096209)