### Python p值检验通用代码模板 在统计学中，p值是用于假设检验的重要指标。以下是一个使用Python进行p值检验的通用代码模板，主要基于`scipy.stats`模块中的常用方法[^1]。 ```python from scipy import stats def perform_t_test(sample1, sample2, alternative='two-sided'): """ 执行两独立样本t检验。 参数: - sample1: 第一个样本数据列表 - sample2: 第二个样本数据列表 - alternative: 备择假设类型 ('two-sided', 'less', 'greater') 返回: - t_stat: t统计量 - p_value: p值 """ t_stat, p_value = stats.ttest_ind(sample1, sample2, alternative=alternative) return t_stat, p_value def perform_chi2_test(observed, expected): """ 执行卡方检验。 参数: - observed: 观察频数数组 - expected: 期望频数数组 返回: - chi2_stat: 卡方统计量 - p_value: p值 """ chi2_stat, p_value = stats.chisquare(f_obs=observed, f_exp=expected) return chi2_stat, p_value def perform_mannwhitneyu_test(sample1, sample2, alternative='two-sided'): """ 执行Mann-Whitney U非参数检验。 参数: - sample1: 第一个样本数据列表 - sample2: 第二个样本数据列表 - alternative: 备择假设类型 ('two-sided', 'less', 'greater') 返回: - u_stat: U统计量 - p_value: p值 """ u_stat, p_value = stats.mannwhitneyu(sample1, sample2, alternative=alternative) return u_stat, p_value # 示例用法 if __name__ == "__main__": # 示例数据 sample1 = [1, 2, 3, 4, 5] sample2 = [6, 7, 8, 9, 10] # t检验 t_stat, p_value = perform_t_test(sample1, sample2) print(f"t检验结果: t统计量={t_stat}, p值={p_value}") # 卡方检验 observed = [10, 20, 30] expected = [15, 15, 30] chi2_stat, p_value = perform_chi2_test(observed, expected) print(f"卡方检验结果: 卡方统计量={chi2_stat}, p值={p_value}") # Mann-Whitney U检验 u_stat, p_value = perform_mannwhitneyu_test(sample1, sample2) print(f"Mann-Whitney U检验结果: U统计量={u_stat}, p值={p_value}") ``` 上述代码展示了三种常见的p值检验方法：t检验、卡方检验和Mann-Whitney U检验。每种方法都封装在一个函数中，用户可以根据具体需求调用相应的函数并传入数据[^2]。