Question

在Python 3.6.5和scipy 1.1.0中，当我运行Kolmogorov-Smirnov测试以检查均匀分布时，如果我将kstest函数与行一起输入，则会得到两个相反的结果（从p值角度来看）或列向量：

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)

您知道为什么会这样吗？

Answer 1

在docstring of kstest中提到，当kstest的第一个参数是一个数组时，它应该是一个一维数组。在您的示例中，您要传递二维数组（其中每种情况中的一个维都是微不足道的）。事实证明，当输入数组为二维时，kstest中的代码将无法实现您的期望。

简单的解决方法是在将数组传递到kstest之前对其进行展平。 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对于相似的一组值返回不同的p值

1 个答案: