如何对二维数组A、B逐列执行独立样本t-test并设置equal_var参数？

直接上实操方案，核心逻辑就是对A、B的每一对对应列单独计算方差比，再动态选择t检验的类型：

核心步骤 #

• 遍历数组的每一列索引
• 提取当前列的A、B数据，分别计算样本方差（注意用ddof=1和t检验内部逻辑对齐）
• 计算方差比：取两方差的较大值除以较小值（保证比值≥1，避免反向比值干扰判断）
• 若方差比<4，设equal_var=True（用方差齐的标准t检验）；否则设equal_var=False（用Welch近似t检验）
• 调用ttest_ind执行检验，保存每列的结果

代码示例 #

假设A、B都是numpy数组，形状分别为(样本数, 列数)：

import numpy as np
from scipy.stats import ttest_ind

# 替换成你的实际二维数组
A = np.random.randn(50, 4)  # 50个样本，4列
B = np.random.randn(45, 4)  # 45个样本，4列

# 存储每列的检验结果
col_results = []

for col_idx in range(A.shape[1]):
    # 取出当前列数据
    data_a = A[:, col_idx]
    data_b = B[:, col_idx]
    
    # 计算样本方差
    var_a = np.var(data_a, ddof=1)
    var_b = np.var(data_b, ddof=1)
    
    # 计算标准化方差比（大/小）
    var_ratio = max(var_a, var_b) / min(var_a, var_b)
    
    # 动态设置equal_var参数
    use_equal_var = var_ratio < 4
    
    # 执行t检验
    t_stat, p_val = ttest_ind(data_a, data_b, equal_var=use_equal_var)
    
    # 整理结果
    col_results.append({
        '列索引': col_idx,
        '方差比': round(var_ratio, 2),
        '是否用方差齐检验': use_equal_var,
        't统计量': round(t_stat, 3),
        'p值': round(p_val, 4)
    })

# 打印结果
for res in col_results:
    print(f"列{res['列索引']}：")
    print(f"  方差比：{res['方差比']}")
    print(f"  检验类型：{'方差齐t检验' if res['是否用方差齐检验'] else 'Welch检验'}")
    print(f"  t值：{res['t统计量']}，p值：{res['p值']}\n")

注意点 #

• 必须用样本方差（ddof=1），如果用总体方差（ddof=0）会导致方差比计算偏差，和t检验的前提逻辑不符
• 方差比取大值/小值是关键，避免出现var_a/var_b=0.2这种反向比值，此时实际方差比是5，应该用Welch检验

内容的提问来源于stack exchange，提问作者Amelia