统计自组织分析与离群点检测算法
scikit-posthocs的Python项目详细描述
scikit posthocs是一个python包，它为成对多个比较提供事后测试，这些比较通常在统计数据分析中执行，以便在获得方差分析的统计显著结果时评估组水平之间的差异。
scikit posthocs与pandas数据帧和numpy数组紧密集成，确保快速计算和方便的数据导入和存储。
这个软件包对于在工作中使用python的统计学家、数据分析师和研究人员非常有用。
背景
python统计生态系统由多个包组成。然而，它仍有许多差距，并被R包和能力所超越。
SciPy（1.2.0版）提供student、wilcoxon和mann-whitney测试，这些测试不适合多对比较。Statsmodels（0.9.0版）的功能是tukeyhsd测试，它需要一些额外的操作才能顺利地集成到数据分析管道中。Statsmodels还有很好的助手方法：allpairtest（将外部函数（如scipy.stats.ttest_ind）调整为多个成对比较）和multipletests（调整p值以最小化类型i和ii错误）。PMCMRplus是一个非常好的r包，它在python中没有竞争对手，因为它为factorial和block设计数据提供了40多种测试（包括后hoc测试）。pmcmrplus是scikit posthocs的灵感和参考。
scikit posthocs试图通过提供大量参数化和非参数化的post hoc测试以及异常值检测和基本绘图方法来改进python的统计功能。
功能
- parametric成对多个比较测试：
- 舍夫测试。
- 学生t测试。
- Tahmane T2试验。
- TukeyHSD测试。
- factorial design的非参数测试：
- Conover测试。
- 邓恩测试。
- 德沃斯，钢铁，小动物，飞行试验。
- 曼惠特尼测试。
- Nashimoto和Wright（NPM）测试。
- 内门尼测试。
- 范瓦尔登测试。
- 威尔科克森试验。
- 块设计的非参数测试：
- Conover测试。
- Durbin和Conover测试。
- 米勒测试。
- 内门尼测试。
- 四边形测试。
- 西格尔测试。
- 其他测试：
- 安德森-达林测试。
- 麦克·沃尔夫测试。
- 海特（OSRT）测试。
- 异常值检测测试：
- 基于四分位范围（IQR）的简单测试。
- 格拉布斯测试。
- Tietjen Moore测试。
- 广义极端学习偏离试验（ESD试验）。
- 绘图功能（如显著性绘图）。
所有的事后检验都能对多对比较进行p调整。
兼容性
包与Python2和Python3兼容。
安装
您可以使用pip：
$ pip install scikit-posthocs
欢迎加入QQ群-->： 979659372
