python相关性系数显著性检验_Python气象数据处理与绘图(4)：显著性检验

相关系数(回归系数)检验

其实在(2)中已经提到了相关系数和回归系数，在计算过程中，直接返回了对应的p-value，因此可以直接使用p-value。

1.相关系数

from scipy.stats import pearsonr

r,p = pearsonr(x, y)

2.线性回归系数

from sklearn.linear_model import LinearRegression

slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

均值检验t-test

计算两个独立样本得分均值的T检验。

这是对两个独立样本具有相同平均值（预期值）的零假设的双边检验。此测试假设默认情况下总体具有相同的方差。在合成分析中通常用到t-test。

from scipy.stats.mstats import ttest_ind

t,p = ttest_ind(a, b, 0, equal_var=True, nan_policy='propagate')

当a,b为变量场时，即[time,lat,lon]时，a,b两个数组的经纬度需相同。

nan_policy 可选{‘propagate’, ‘raise’, ‘omit’}

“propagate”：返回nan

“raise”：报错

“omit”：执行忽略nan值的计算

绘图

计算得到的P值用于绘图，当p<0.01时，通过99%显著性检验，p<0.05，通过95%显著性检验，以此类推。

图形绘制只需在原有填色图上叠加打点图层,实际上打点也是特殊的图色ÿ