执行t检验相关Python代码出现ValueError，无法确定具体报错原因

错误原因排查 #

• 1. 存在无效导入语句
     开头的import libraries不属于合法Python语法，运行会直接触发导入报错，需要删除。
• 2. 统计函数使用不匹配
     你的需求是对两组独立样本做t检验，也已经提前导入了scipy.stats.ttest_ind，但实际调用的是stats.pearsonr。后者是计算两个变量皮尔逊相关系数的函数，要求输入的两个数组长度必须完全相等，而按性别拆分后的男性、女性样本量大概率不一致，调用pearsonr就会触发ValueError。
• 3. 打印逻辑错误
     第4步检验bmi的代码中，两次打印都输出了t值tb，漏了p值pb的输出。

修正后代码 #

1. 导入依赖库 #

import pandas as pd
from scipy import stats
from scipy.stats import ttest_ind

df = pd.read_csv('https://tf-assets-prod.s3.amazonaws.com/tf-curric/data-analytics-bootcamp/medicalcosts.csv')

2. 按性别字段拆分生成两个独立的DataFrame #

df_male = df.loc[df['sex'] == 'male']
df_female = df.loc[df['sex'] == 'female']

3. 对男性和女性的charges列执行t检验并打印结果 #

# 若假设两组方差齐可删除equal_var=False参数
tc, pc = ttest_ind(df_male.charges, df_female.charges, equal_var=False)
print(tc)
print(pc)

4. 对男性和女性的bmi列执行t检验并打印结果 #

# 若假设两组方差齐可删除equal_var=False参数
tb, pb = ttest_ind(df_male.bmi, df_female.bmi, equal_var=False)
print(tb)
print(pb)

内容的提问来源于stack exchange，提问作者Jeffrey Lueken