python进行独立样本t检验

不涉及原理，快速上手运用和理解。

from scipy import stats
from scipy.stats import ttest_ind
stats.levene(df_o['peak2trough'],df_n['peak2trough'])
#利用levene检验，检验两组数据是否具有方差齐性。如果返回结果的p值远大于0.05，那么我们认为两总体具有方差齐性。
ttest_ind(df_o['peak2trough'],df_n['peak2trough'])
#如果小于0.05，需要在这个函数里加上equal_var=False

ttest_ind会返回这两组数据的t检验值和p值。t值表示两个样本均值之差距离零假设（即两组数据的均值没有差异）的标准化距离。负号表示第一个样本的均值小于第二个样本的均值。p值（p-value）表示在零假设为真（即两组数据的均值没有差异）的条件下，观察到的统计量或更极端的值出现的概率。在统计学中，通常使用一个阈值（显著性水平，如0.05）来判断p值是否足够小以拒绝零假设。如果p值大于0.05，没有足够的证据拒绝零假设，即没有足够的证据表明两组数据的均值存在显著性差异。

参考文章：
链接1
链接2