具有多列数据集的 Scipy Normaltest答案

【问题标题】：Scipy Normaltest with multi-columns dataset具有多列数据集的 Scipy Normaltest
【发布时间】：2020-06-27 18:55:12
【问题描述】：

我有一个包含 100 行和 21 列的数据集，其中列是变量。我想知道这些变量是否来自多元正态分布。因此，我使用了 Scipy 库中的 de Normaltest，但我无法理解结果。这是我的代码：

import pandas as pd
from scipy import stats

df = pd.DataFrame(np.random.random(2100).reshape(100,21)) # dataset (100x21)
k2, p = stats.normaltest(df)

在这个例子中，p 是一个 21 数组而不是单个值。谁能解释一下如何解释这个数组？

【问题讨论】：

标签： python multivariate-testing scipy.stats

【解决方案1】：

如果p[x]<0.05，您可以假设x 列中的值不是正态分布的。因为使用正态性检验，零假设是总体呈正态分布。 p0.5 时，数据呈正态分布。您可以轻松地使用正态分布对其进行测试：

import pandas as pd
from scipy import stats
df = pd.DataFrame(np.random.normal(0,1,2100).reshape(100,21)) # dataset (100x21)
k2, p = stats.normaltest(df)
print (p)

输出是

    [0.97228661 0.49017509 0.97373345 0.97404468 0.03498392 0.61963074
 0.07712131 0.52632157 0.29887186 0.30822356 0.14416431 0.11015074
 0.81773481 0.52919266 0.81859869 0.24855451 0.16817784 0.0117747
 0.76860707 0.40384319 0.97038048]

其中大多数大于 0.05。

对于多元正态性检验，您可以尝试 Henze-Zirkler 检验：

import pingouin as pg
normal, p = pg.multivariate_normality(df, alpha=.05)

其中 0.05 是显着值（您可以根据需要更改它，它不会影响您获得的 p 值。）

【讨论】：

非常感谢您的回复。但是，我不明白为什么输出是一个 21 数组，数组的每个元素代表什么？
这是因为使用“stats.normaltest()”可以测试每列中的数字是否正态分布，因此 21 个 p 值 = 21 列。我将回答可能的多元正态性检验，你能试试并告诉我吗？（我在安装包时遇到了某种问题）
如果我理解正确的话，stats.normaltest() 不是多元正态检验。这是一个单变量正态测试，可用于同时测试多个变量。我已经尝试过你的测试，这是我的输出：正常：False p：0.04797787634013723
是的，在您的情况下不应该使用它。这就是为什么你从 stats.normaltest() 得到这个 p 值数组的原因。
我使用了 pingouin 包和 pg.multivariate_normality(x, $\alpha$)。但是我发现如果 x 的维度大于 50，函数返回 nan 作为 p 值。我不知道为什么。