t-检验与我自己的带/不带缺失值的t-检验函数比较

以下是一个简单的比较t-检验和带/不带缺失值的t-检验函数的代码示例：

import numpy as np
from scipy.stats import ttest_ind, ttest_ind_from_stats

# 创建两个样本数据，一个包含缺失值，一个不包含缺失值
sample1 = np.array([1, 2, 3, 4, np.nan])
sample2 = np.array([5, 6, 7, 8, 9])

# 普通的t-检验函数（不处理缺失值）
t_stat, p_value = ttest_ind(sample1, sample2)
print("普通的t-检验函数结果：")
print("t统计量：", t_stat)
print("p值：", p_value)

# 带有缺失值的t-检验函数（处理缺失值）
t_stat, p_value = ttest_ind_from_stats(np.nanmean(sample1), np.nanstd(sample1), np.isnan(sample1).sum(),
                                       np.nanmean(sample2), np.nanstd(sample2), np.isnan(sample2).sum())
print("带有缺失值的t-检验函数结果：")
print("t统计量：", t_stat)
print("p值：", p_value)

在上面的代码中，我们首先导入了numpy和scipy.stats模块。然后，我们创建了两个样本数据，一个包含缺失值，一个不包含缺失值。接下来，我们使用普通的t-检验函数ttest_ind对两个样本进行比较，并打印结果。然后，我们使用带有缺失值的t-检验函数ttest_ind_from_stats对两个样本进行比较，并打印结果。

请注意，带有缺失值的t-检验函数需要传入样本的均值、标准差和缺失值的数量，而不是直接传入样本数据。这样可以确保缺失值被正确处理。

希望这个示例代码能帮助到你！