Python正态检验

https://blog.csdn.net/cyan_soul/article/details/81236124
https://blog.csdn.net/QimaoRyan/article/details/72861387
官方文档：https://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.kstest.html

scipy.stats.kstest

from scipy import stats
kstest(rvs, cdf, args=(), N=20, alternative=’two_sided’, mode=’approx’, **kwds)

from scipy import stats
stats.kstest(df['value'], 'norm', (u, std))
# 结果返回两个值：statistic → D值，pvalue → P值
# p值大于0.05，很可能为正态分布

rvs：待检验的数据
cdf：检验方法，这里我们设置为‘norm’，即正态性检验
alternative：默认为双尾检验，可以设置为‘less’或‘greater’作单尾检验

scipy.stats.normaltest

scipy.stats.normaltest(a, axis=0, nan_policy=’propagate’)

a：待检验的数据,至少8个
axis：默认为0，表示在0轴上检验，即对数据的每一行做正态性检验，我们可以设置为 axis=None 来对整个数据做检验
nan_policy：当输入的数据中有空值时的处理办法。默认为 ‘propagate’，返回空值；设置为 ‘raise’ 时，抛出错误；设置为 ‘omit’ 时，在计算中忽略空值。

scipy.stats.anderson

anderson 是修改版的 kstest，说是增强版也不为过。也可以做多种分布的检验，默认的检验时正态性检验。

scipy.stats.anderson(x, dist=’norm’)

anderson 有三个输出值，第一个为统计数，第二个为评判值，第三个为显著性水平， 评判值与显著性水平对应
对于正态性检验，显著性水平为：15%, 10%, 5%, 2.5%, 1%

scipy.stats.shapiro

from scipy.stats import shapiro
test_shapiro = shapiro(s['value'])

注：至少输入3个数据，样本量大于5000时可能不准