Pingouin 开源统计包使用教程

1. 项目介绍

Pingouin 是一个基于 Python 的开源统计包，主要依赖于 Pandas 和 NumPy。它提供了丰富的统计功能，包括但不限于：

• ANOVA（方差分析）
• 成对事后检验
• 相关性分析
• 线性/逻辑回归
• 贝叶斯因子
• 效应量和功效分析
• 多元统计测试
• 绘图功能（如 Bland-Altman 图、Q-Q 图等）

Pingouin 的设计目标是提供简单且全面的统计功能，适合需要进行复杂统计分析的用户。

2. 项目快速启动

安装

Pingouin 可以通过 pip 或 conda 进行安装：

pip install pingouin

或者

conda install -c conda-forge pingouin

快速示例

以下是一个简单的 T 检验示例：

import numpy as np
import pingouin as pg

# 设置随机种子以确保结果可重复
np.random.seed(123)

# 生成两组数据
mean, cov, n = [4, 5], [(1, 0.6), (0.6, 1)], 30
x, y = np.random.multivariate_normal(mean, cov, n).T

# 进行 T 检验
result = pg.ttest(x, y)
print(result)

输出结果将包括 T 值、自由度、p 值、效应量（Cohen's d）、95% 置信区间、统计功效和贝叶斯因子。

3. 应用案例和最佳实践

应用案例 1：相关性分析

假设我们有两组数据，想要计算它们之间的相关性：

import pingouin as pg

# 计算 Pearson 相关性
corr = pg.corr(x, y)
print(corr)

应用案例 2：ANOVA 分析

假设我们有一个包含不同组别的数据集，想要进行 ANOVA 分析：

import pingouin as pg

# 读取示例数据集
df = pg.read_dataset('mixed_anova')

# 进行 ANOVA 分析
aov = pg.anova(data=df, dv='Scores', between='Group', detailed=True)
print(aov)

最佳实践

• 数据预处理：在进行统计分析之前，确保数据已经过适当的预处理，如缺失值处理、标准化等。
• 结果解释：理解统计结果的含义，并结合实际业务场景进行解释。
• 可视化：使用 Pingouin 提供的绘图功能，如 Bland-Altman 图、Q-Q 图等，帮助更好地理解数据分布和结果。

4. 典型生态项目

Pingouin 作为一个统计包，可以与其他数据分析和可视化工具结合使用，形成一个完整的分析生态系统。以下是一些典型的生态项目：

• Pandas：用于数据处理和分析。
• Matplotlib 和 Seaborn：用于数据可视化。
• Scikit-learn：用于机器学习和高级统计分析。
• Jupyter Notebook：用于交互式数据分析和报告生成。

通过这些工具的结合，用户可以构建一个强大的数据分析工作流，涵盖从数据处理到统计分析再到结果展示的整个过程。