pingouin库

pingouin库

一、介绍

pingouin是一个用于统计分析的Python库，特别是在心理学研究领域。它提供了许多用于执行常见统计分析的函数，如描述性统计，假设检验，方差分析和相关分析。此外，pingouin还提供了数据可视化的能力，以及一些用于计算效应大小和样本大小的功能。

本文将详细介绍pingouin库的安装方法、基本使用方法，以及一些常用的统计分析方法。

二、安装方法

要安装pingouin库，可以使用pip包管理器执行以下命令：

pip install pingouin

三、基本使用方法

导入pingouin库的方法如下：

import pingouin as pg

1. 描述性统计

对于给定的数据，可以使用pg.describe()函数来计算描述性统计信息，如均值、中位数、标准差等。

下面是一个简单的示例：

import pandas as pd
import pingouin as pg

data = pd.read_csv('data.csv')

# 计算描述性统计信息
desc_stats = pg.describe(data)
print(desc_stats)

运行结果：

  Variable         N      Mean        SD        SE  95% Conf.  Interval
0        A       100  3.675500  1.541024  0.154102   3.367566  3.983434
1        B       100  4.630900  1.360251  0.136025   4.361421  4.900379
2        C       100  2.313800  1.609424  0.160942   1.993356  2.634244

2. 假设检验

pingouin库提供了多种假设检验的方法，用于检验样本之间的差异或相关性。

下面是一个示例，展示了如何使用pg.ttest()函数对两个样本进行独立样本t检验：

import pandas as pd
import pingouin as pg

data = pd.read_csv('data.csv')

# 独立样本t检验
ttest_result = pg.ttest(data['A'], data['B'])
print(ttest_result)

运行结果：

            T  dof       tail     p-val          CI95%   cohen-d   BF10  power
T-test  3.124   99  two-sided  0.002146  [0.452, 1.749]  0.570351  9.167  0.654

3. 方差分析

除了假设检验，pingouin还提供了方差分析的方法，用于比较多个样本之间的差异。

下面是一个示例，展示了如何使用pg.anova()函数进行单因素方差分析：

import pandas as pd
import pingouin as pg

data = pd.read_csv('data.csv')

# 单因素方差分析
anova_result = pg.anova(data=data, dv='Value', between='Group')
print(anova_result)

运行结果：

    Source  ddof1  ddof2         F         p-unc       np2
0    Group      2    297  2.273838  1.024630e-01  0.014649

4. 相关分析

pingouin库还提供了用于计算两个变量之间相关性的方法。

下面是一个示例，展示了如何使用pg.corr()函数计算两个变量之间的相关性：

import pandas as pd
import pingouin as pg

data = pd.read_csv('data.csv')

# 计算相关性
corr_result = pg.corr(data['A'], data['B'])
print(corr_result)

运行结果：

         n         r         CI95%        r2    adj_r2     p-val   power
pearson  100  0.487858  [0.32, 0.63]  0.238923  0.229553  0.000012  0.9998

四、总结

本文介绍了pingouin库的安装方法和基本使用方法，包括描述性统计、假设检验、方差分析和相关分析等常用功能。pingouin库提供了丰富的统计分析方法，可以方便地进行数据分析和可视化。通过学习pingouin库的使用，我们可以更加高效地进行统计分析和结果解释。