如何对多三维数组对应元素执行单样本t检验并生成结果数组

核心思路 #

要实现每个对应位置元素的单样本t检验，关键是将多个数组在新增维度上堆叠，让每个位置的所有样本集中在这个新维度，再指定t检验函数沿该维度计算，最终得到与原数组维度一致的结果。

实现步骤与代码示例 #

1. 导入依赖库

import numpy as np
from scipy.stats import ttest_1samp

2. 定义输入数组

a = np.array([[[1,2,3,4], [5,6,7,8], [9,10,11,12]]])
b = np.array([[[13,14,15,4], [1,6,9,10], [1,0,.5, .2]]])
c = np.array([[[0,0,1,2], [1,1,3,4], [4,1,11,17]]])

3. 堆叠数组到新增维度
   使用np.stack在最后一个维度（axis=-1）堆叠，这样每个原位置的元素会形成一个长度为3的样本集合，堆叠后的数组形状为(1, 3, 4, 3)：

combined = np.stack([a, b, c], axis=-1)

4. 执行单样本t检验
   调用ttest_1samp，指定axis=-1沿样本维度计算，popmean是你要检验的总体均值（这里以0为例，可根据需求修改）：

t_values, p_values = ttest_1samp(combined, popmean=0, axis=-1)

5. 验证结果维度
   此时t_values和p_values的形状均为(1, 3, 4)，与原输入数组完全一致，每个位置存储对应元素的t值和p值。

为什么之前的方法不适用 #

np.vstack/hstack会改变原数组的维度结构（比如把多个(1,3,4)数组变成(3,3,4)），导致无法对应到原位置的样本集合。而np.stack新增维度的方式，能完美保留原数组的位置信息，让t检验可以精准针对每个位置的样本组计算。

内容的提问来源于stack exchange，提问作者Aswiderski