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