python t检验显著差异_Python整合方差齐性检验的t检验的小技巧

应用场景：

对比两组数据X,Y（假设都符合正态分布），均值差异是否显著。

比如我们常见的ABTest：试验组结果对比对照组结果，到底转化率差多少算是起到效果了？1个点？0.5个点算不算？

这个时候，了解一些统计学的同学可能会想到用统计假设检验的方法。那么问题又来了，是不是要检验一下方差？p多少有差异呢？

对于非科班出身的同学可能是有些难度。

解决方案：

我用PYTHON把方差检验和t检验进行了一个简单的封装，只要把“试验组”和“对照组”的数据传进去，就能自动完成计算。

以下是代码（b站的文本编辑似乎没有找到代码块）

from scipy import stats

import pandas as pd

import numpy as np

def my_ttest(x,y,ci=0.05):

if (len(x)>1) & (len(y)>1):

v_test=stats.levene(x,y)

if v_test.pvalue<0.05:

my_equal_var=True

else:

my_equal_var=False

t_test_p=stats.ttest_ind(x,y,equal_var=my_equal_var).pvalue

if t_test_p

print('有显著差异',t_test_p)

return False

else:

print('差异不显著',t_test_p)

return True

else:

return True

#返回值可按实际应用场景进行调整

my_ttest(df0.loc[df0['data_mark']==1,'old_cr'],df0.loc[df0['data_mark']==0,'old_cr'])

打印出的效果