Skip to content

Data Science › Python Foundations › scipy.stats 速查

scipy.stats 速查 (scipy.stats Cheat Sheet) ​

Python 做統計時的三層工具:numpy 產生亂數與基本摘要、scipy.stats 提供機率分配與單一檢定、statsmodels 做模型(迴歸、GLM、混合效應)與多重檢定。這篇是 API 對照表;方法本身怎麼選、怎麼解讀見 統計方法速查。

需要用R 對應
亂數np.random.default_rng(seed)set.seed() + rnorm() 等
機率分配(密度、累積、分位數)scipy.stats.<dist>dnorm / pnorm / qnorm / rnorm
單一檢定(t、Wilcoxon、卡方…)scipy.statst.test、wilcox.test、chisq.test
迴歸、GLM、ANOVA 表、混合模型statsmodels(formula:smf.ols("y ~ x", df))lm、glm、lme4
多重檢定校正scipy.stats.false_discovery_control、statsmodels.stats.multitestp.adjust
預測模型scikit-learntidymodels

statsmodels 的用法見 statsmodels;scikit-learn 見 scikit-learn。

亂數:default_rng ​

python
import numpy as np

rng = np.random.default_rng(42)          # 新 API:獨立的 Generator 物件
rng.normal(loc=0, scale=1, size=5)
rng.integers(0, 10, size=3)              # 不含上界
rng.choice(["A", "B"], size=10, p=[0.7, 0.3])
rng.permutation(10)
rng.binomial(n=10, p=0.5, size=5)
rng.poisson(lam=3, size=5)
舊寫法(legacy)新寫法
np.random.seed(0) + np.random.rand(3)rng = np.random.default_rng(0);rng.random(3)
np.random.randn(3)rng.standard_normal(3)
np.random.randint(0, 10)rng.integers(0, 10)
np.random.normal(...)rng.normal(...)

新 API 不共用全域狀態:把 rng 當參數傳進函式,結果可重現、平行時也不會互相干擾(見 平行運算)。NumPy 隨機抽樣的完整用法見 NumPy 隨機與統計。

機率分配 ​

每個分配都是同一組方法,參數名稱依分配而不同(loc、scale 為位置與尺度)。

方法意義R例子(標準常態)
pdf(x) / pmf(k)密度 / 機率質量d*norm.pdf(0) → 0.399
cdf(x)P(X ≤ x)p*norm.cdf(1.96) → 0.975
sf(x)P(X > x) = 1 − cdf,尾端更精確p*(lower.tail=FALSE)norm.sf(1.96) * 2 → 0.05(雙尾 p)
ppf(q)分位數(cdf 的反函數)q*norm.ppf(0.975) → 1.96
isf(q)上尾分位數
rvs(size, random_state=rng)抽樣r*
mean()、var()、interval(0.95)動差、中央區間
fit(data)以 MLE 估計參數MASS::fitdistr
python
from scipy import stats

stats.norm.cdf(1.96)                     # 0.975
stats.norm.ppf(0.975)                    # 1.96
stats.t.ppf(0.975, df=9)                 # 2.262:小樣本的 95% CI 臨界值
stats.binom.pmf(3, n=10, p=0.5)          # 0.117:恰好 3 次
stats.binom.cdf(3, n=10, p=0.5)          # 0.172:最多 3 次
stats.poisson.sf(4, mu=2)                # 0.053:P(X ≥ 5);離散分配 sf(k) 是 P(X > k)
stats.norm.rvs(size=3, random_state=rng) # 用自己的 Generator 抽樣

dist = stats.norm(loc=10, scale=2)       # 「凍結」參數,之後不用重複傳
dist.cdf(12), dist.interval(0.95)
分配scipy參數生資常見用途
常態normloc=μ、scale=σlog 表現量、z 分數
ttdf小樣本平均數
卡方chi2df適合度、列聯表
Ffdfn、dfdANOVA
二項binomn、p等位基因比例、成功次數
Poissonpoissonmu計數(無過度離散時)
負二項nbinomn、p(注意與 DESeq2 的 μ、α 參數化不同)RNA-seq 計數
超幾何hypergeomM、n、N基因集富集(Fisher 單尾)
Betabetaa、b比例的先驗、甲基化 β 值
Gamma / 指數gamma / expona、scale等待時間、存活

各分配的性質見 離散分配、連續分配。

python
# 富集分析:20000 個基因中 200 個屬於某 pathway;50 個差異表現基因裡有 5 個落在 pathway
stats.hypergeom.sf(4, M=20000, n=200, N=50)   # P(重疊 ≥ 5) ≈ 1.4e-4(期望只有 0.5 個)

檢定對照 ​

所有檢定回傳結果物件,取 .statistic、.pvalue;多數還有 .confidence_interval() 或 .df。

問題scipy.statsR筆記
兩組平均(獨立)ttest_ind(a, b, equal_var=False)(Welch)t.test(a, b)統計檢定
配對 / 前後測ttest_rel(a, b)t.test(a, b, paired=TRUE)同上
單一樣本 vs 已知值ttest_1samp(a, popmean=0)t.test(a, mu=0)同上
兩組(無母數)mannwhitneyu(a, b)wilcox.test(a, b)兩獨立樣本
配對(無母數)wilcoxon(a, b)wilcox.test(a, b, paired=TRUE)單樣本與配對
3+ 組f_oneway(a, b, c)aov() / oneway.test()單因子 ANOVA
3+ 組(無母數)kruskal(a, b, c)kruskal.test()Kruskal-Wallis
事後比較tukey_hsd(a, b, c)TukeyHSD()事後檢定
列聯表chi2_contingency(table)chisq.test()卡方檢定
2×2 小樣本fisher_exact(table)fisher.test()同上
相關pearsonr、spearmanr、kendalltaucor.test(method=)等級相關
常態性shapiro(x);圖:probplotshapiro.test()假設檢查
變異數同質levene(a, b)car::leveneTest()同上
兩分配是否相同ks_2samp(a, b)ks.test()
多重檢定 (BH-FDR)false_discovery_control(p)p.adjust(p, "BH")多重檢定
Bootstrap CIbootstrap((x,), np.mean, rng=rng)boot::boot()蒙地卡羅模擬
置換檢定permutation_test((a, b), stat, rng=rng)coin 套件同上
python
import numpy as np
from scipy import stats

rng = np.random.default_rng(1)
a = rng.normal(5.0, 1, 20)
b = rng.normal(5.8, 1, 20)

res = stats.ttest_ind(a, b, equal_var=False)   # Welch t:預設應該用這個
res.statistic, res.pvalue, res.df
res.confidence_interval(0.95)                  # 平均差的 CI

stats.mannwhitneyu(a, b, alternative="two-sided").pvalue

table = [[8, 2], [1, 5]]
stats.fisher_exact(table)                      # 勝算比與 p 值
chi = stats.chi2_contingency([[10, 20], [30, 25]])   # 2×2 預設套用 Yates 連續性校正
chi.statistic, chi.pvalue, chi.dof, chi.expected_freq

pvals = np.array([0.01, 0.02, 0.03, 0.04, 0.2])
stats.false_discovery_control(pvals)           # BH 校正後:[0.05, 0.05, 0.05, 0.05, 0.2]

stats.bootstrap((a,), np.mean, confidence_level=0.95, rng=np.random.default_rng(0)).confidence_interval
stats.permutation_test((a, b), lambda x, y: x.mean() - y.mean(), rng=np.random.default_rng(0)).pvalue
注意說明
ttest_ind 預設 equal_var=True(Student t)和 R 的 t.test 預設(Welch)不同,要自己設 equal_var=False
alternative="two-sided"(預設)、"less"、"greater"
缺值多數檢定遇到 NaN 會回傳 nan;設 nan_policy="omit" 或先 dropna()
很多基因同時檢定檢定函式多數支援 axis=,可對整個矩陣向量化(例如 ttest_ind(X_ctrl, X_trt, axis=1)),再做 FDR
chi2_contingency2×2 表預設 correction=True(Yates),與手算結果不同時檢查這個
隨機方法的參數新版 scipy 用 rng=;舊版用 random_state=

RNA-seq 的差異表現不要對每個基因做 t 檢定:計數資料、小樣本、過度離散,應用 DESeq2 / edgeR(負二項 GLM)或 Python 的 PyDESeq2,見 GLM 與計數模型。

描述統計 ​

python
stats.describe(a)                        # n、min/max、mean、variance(ddof=1)、skewness、kurtosis
stats.sem(a)                             # 標準誤
stats.zscore(a)                          # 標準化(預設 ddof=0)
stats.iqr(a)
stats.median_abs_deviation(a, scale="normal")
stats.trim_mean(a, 0.1)                  # 截尾平均
stats.gmean(a), stats.hmean(a)           # 幾何 / 調和平均
stats.rankdata(a)                        # 排名(同分取平均)

這些量的意義與選擇見 單變數:數值型。