Python 中不同因素的正态性检验

Question

我有一个包含历史销售数据的数据集，我正在尝试研究每个 SKU 的销售是否遵循正态分布。为此，我正在使用 shapiro wilk 测试（如果有更好的选择请告诉我）。尽管我无法将公式应用于每个不同的因素。

我的 csv 数据格式如下

SKU	销售额
12034	14
12033	24
12032	10
12034	8
12033	22
12033	12
12032	33
12033	15

我有 1600 多个不同的 SKUS ID，我期待得到的输出是一个摘要 table。

SKU	P 值	正常
12032	0.06	是
12033	0.12	是
12034	0.00	没有

我尝试了以下代码：

import pandas as pd
import numpy as np
import scipy.stats

data = pd.read_csv('SalesHistorySample.csv')
df = pd.DataFrame(data)

p_value = stats.shapiro(df['Sales'].dropna())

我认为我在正确的轨道上，虽然当我尝试 groupby() 函数时它没有成功。

我实际上是 Python 的新手，我很感激任何建议，material 我可以检查和建议。谢谢

Answer 1

这是一种方法。如果您的所有 SKU 至少有 3 条记录，您可以删除 if len(g) > 3

import pandas as pd
import numpy as np
import scipy.stats
def p_val(g):
    # significance level
    alpha = .05
    if len(g) >= 3:
        g['P-Value'] = scipy.stats.shapiro(g['Sales'].dropna())[1]

        if g['P-Value'].iloc[0] > alpha:
            # fail to reject
            g['Normal'] = True
        else:
            g['Normal'] = False
            
        return g[['SKU', 'P-Value', 'Normal']].iloc[0]

df.groupby('SKU').apply(p_val)

假设alpha = .05

Python 中不同因素的正态性检验

Normality Test with different factors in Python

python

pandas

normal-distribution