Python 比较两个N维数组

我有两组N维数组，我需要以某种方式比较它们，并获得一个表示它们有多“相似”的值。在统计方面，这是一个两样本拟合优度问题，其中假设两个数组来自同一父分布

为了简化，请想象如下所示的二维阵列：

为此，我需要给出一个数字，量化它们的“相似性”

有没有提供这种统计测试的

python

包？我乐于使用

numpy

，

scipy

，

scikit-learn

等

---

添加

---

我发现了一个

scipy

包，它显然满足了我的需要，但它只适用于一维阵列：。

R

统计软件具有包含

kde.test

功能的。这个函数满足我的需要，但是我想要一个

python

实现。

既然您知道一个R包可以实现这个功能，那么从python调用R对您的应用程序有效吗？

rpy2

包允许您与R（）通信，如果您使用的是IPython，则可以使用

rmagic

（）以交互方式进行通信。

pandas

中还提供了一些实验性的

rpy2

支持

它需要有多严格？对于一个简单的度量，你总是可以比较均值和协方差矩阵。例如，计算平均值的距离（

np.mean（）

）会告诉你它们的中心相距有多远。计算协方差矩阵的行列式（

np.cov（）

）将描述近似椭球体的体积。您可以使用scipy的

kstest

模块对矩阵进行“拟合优度”测试。这种统计测试是模糊的。检查这个问题似乎是离题的，因为它是关于属于统计SE的。