使用Scipy比较均值：配对t检验差异方向的判断方法

一、现有结果直接判断 #

scipy的ttest_rel(a, b)默认以「a组数值 - b组数值」的差值为基础做检验，t统计量的符号和差值均值的符号完全一致。你得到的t统计量为正，直接说明：

患者组（df_positives）的平均舒张压显著高于对照组（df_controls），p<0.05，差异具有统计学意义。

二、更直观的验证方法 #

方法1：同步输出两组均值 #

直接计算两组非空值的均值和检验结果同时展示，一目了然：

from scipy.stats import ttest_rel

# 提取待检验列并去除空值
pos_col = df_positives['Average_BP_Diast_Autom'].dropna()
con_col = df_controls['Average_BP_Diast_Autom'].dropna()

# 计算均值与检验结果
pos_mean = pos_col.mean()
con_mean = con_col.mean()
t_stat, p_val = ttest_rel(pos_col, con_col)

# 输出结果
print(f"患者组平均舒张压：{pos_mean:.2f} mmHg")
print(f"对照组平均舒张压：{con_mean:.2f} mmHg")
print(f"配对t检验t值：{t_stat:.2f}，p值：{p_val:.4f}")

方法2：单侧检验直接验证方向 #

如果提前有明确的方向假设（如假设患者组舒张压更高），可以直接做单侧检验，直接输出对应方向的显著性：

# 检验患者组是否显著高于对照组
t_stat, p_two_side = ttest_rel(pos_col, con_col)
# 单侧检验p值计算：t为正说明a组更高，单侧p为双侧p的1/2
p_one_side = p_two_side / 2 if t_stat > 0 else 1 - (p_two_side / 2)
print(f"患者组舒张压高于对照组的单侧检验p值：{p_one_side:.4f}")

内容的提问来源于stack exchange，提问作者AK_KA