scikit-posthocs中AttributeError：模块无critical_difference_diagram属性求助

出现AttributeError的直接原因是scikit_posthocs模块不存在critical_difference_diagram这个函数——该库当前版本的API中并没有提供这个方法，你可能混淆了其他统计库的函数名。

要绘制Nemenyi检验的临界差异图，需要手动计算各模型的平均秩次，再根据临界差值（Critical Difference, CD）来绘制。以下是完整的修正代码：

核心步骤 #

• 基于Friedman检验计算各模型的平均秩次
• 按标准公式计算临界差值CD
• 按平均秩次排序后绘制CD图

修正后的可运行代码 #

import scipy.stats as ss
import scikit_posthocs as sp
import numpy as np
import matplotlib.pyplot as plt

# 示例数据（10次交叉验证，5个模型的结果）
np.random.seed(42)
data = np.random.rand(10, 5)  # 维度：(样本数, 模型数)

# 1. 计算每个模型的平均秩次
ranks = ss.rankdata(data, axis=1)  # 对每个样本的模型结果求秩
mean_ranks = ranks.mean(axis=0)
num_models = mean_ranks.size
num_samples = data.shape[0]

# 2. 执行Nemenyi事后检验（保留原逻辑）
result = sp.posthoc_nemenyi_friedman(data)
sp.sign_plot(result)
plt.show()

# 3. 计算临界差值CD
# Nemenyi检验CD公式：CD = q_alpha * sqrt(k*(k+1)/(6*N))
# q_alpha为学生化极差分布的临界值（alpha=0.05）
q_alpha = ss.studentized_range.ppf(1 - 0.05, num_models, np.inf)
cd = q_alpha * np.sqrt(num_models * (num_models + 1) / (6 * num_samples))

# 4. 绘制临界差异图
plt.figure(figsize=(10, 3), dpi=100)
plt.title('Critical difference diagram of average score ranks')

# 按平均秩次排序模型
sorted_idx = np.argsort(mean_ranks)
sorted_ranks = mean_ranks[sorted_idx]
model_names = [f'Model {i+1}' for i in sorted_idx]

# 绘制平均秩次散点
plt.scatter(sorted_ranks, np.zeros_like(sorted_ranks), s=100, zorder=5)

# 添加模型名称标签
for rank, name in zip(sorted_ranks, model_names):
    plt.text(rank, 0.1, name, ha='center', fontsize=10)

# 绘制CD标记线
plt.hlines(y=0, xmin=sorted_ranks.min()-cd/2, xmax=sorted_ranks.max()+cd/2, color='gray', linestyle='--')
plt.hlines(y=-0.1, xmin=sorted_ranks.min(), xmax=sorted_ranks.min()+cd, color='red', lw=2)
plt.text(sorted_ranks.min()+cd/2, -0.2, f'CD = {cd:.2f}', ha='center', color='red')

# 优化图表样式
plt.yticks([])
plt.xlabel('Average Rank')
plt.tight_layout()
plt.show()

• CD值的计算严格遵循Nemenyi检验的标准公式，确保统计有效性
• 手动实现CD图绘制逻辑，无需依赖不存在的库函数
• 保留了你原有的sign_plot调用逻辑，同时补充了完整的临界差异图实现

内容的提问来源于stack exchange，提问作者Verner