Scipy kstest returns 相似值集的不同 p 值

Question

在 Python 3.6.5 和 scipy 1.1.0 中，当我运行 Kolmogorov-Smirnov 检验检查均匀分布时，我得到了两个相反的结果（来自p 值透视）如果我用行或列向量提供 kstest 函数：

from scipy import stats
import numpy as np

>>> np.random.seed(seed=123)
>>> stats.kstest(np.random.uniform(low=0, high=1, size=(10000, 1)), 'uniform')

KstestResult(statistic=0.9999321616877249, pvalue=0.0)

>>> np.random.seed(seed=123)
>>> stats.kstest(np.random.uniform(low=0, high=1, size=(1, 10000)), 'uniform')

KstestResult(statistic=0.9999321616877249, pvalue=0.00013567662455016283)

你知道为什么会这样吗？

Answer 1

docstring of kstest中提到，当kstest的第一个参数是数组时，期望是一维数组.在您的示例中，您正在传递二维数组（其中一个维度在每种情况下都是微不足道的）。事实证明，当输入数组为二维时，kstest 中的代码不会执行您期望的操作。

简单的解决方法是在将数组传递给 kstest 之前展平数组。 ravel() 方法可用于执行此操作。例如，

In [50]: np.random.seed(seed=123)

In [51]: x = np.random.uniform(low=0, high=1, size=(10000, 1))

In [52]: stats.kstest(x.ravel(), 'uniform')
Out[52]: KstestResult(statistic=0.008002577626569918, pvalue=0.5437230826096209)

In [53]: np.random.seed(seed=123)

In [54]: x = np.random.uniform(low=0, high=1, size=(1, 10000))

In [55]: stats.kstest(x.ravel(), 'uniform')
Out[55]: KstestResult(statistic=0.008002577626569918, pvalue=0.5437230826096209)

Scipy kstest returns 相似值集的不同 p 值

Scipy kstest returns different p-values for similar sets of values

python

numpy

scipy

p-value

uniform-distribution