检验两组数据之间的差异性有哪些方法，给出代码

检验两组数据之间的差异性是统计学中常见的任务，常用的方法包括t检验、卡方检验、ANOVA（方差分析）等，具体选择哪种方法取决于数据的类型和分布特性。以下是几种常见的方法及其实现代码示例。

1. 独立样本t检验（适用于两组独立样本，且数据符合正态分布）：

from scipy import stats

# 假设data1和data2是两组独立的样本数据
data1 = [22, 28, 29, 31, 34]
data2 = [24, 30, 33, 27, 31]

# 进行独立样本t检验
t_stat, p_val = stats.ttest_ind(data1, data2)

print(f"t统计量: {t_stat}, p值: {p_val}")

2. 配对样本t检验（适用于两组配对数据，如同一组对象的不同处理前后的数据）：

from scipy import stats

# 假设data1和data2是两组配对样本数据
data1 = [22, 28, 29, 31, 34]
data2 = [24, 28, 30, 33, 34]

# 进行配对样本t检验
t_stat, p_val = stats.ttest_rel(data1, data2)

print(f"t统计量: {t_stat}, p值: {p_val}")

3. 卡方检验（适用于分类数据，检验两组分类数据是否独立）：

from scipy.stats import chi2_contingency

# 假设contingency_table是两组分类数据的列联表
contingency_table = [[10, 20], [15, 25]]

# 进行卡方检验
chi2, p, dof, expected = chi2_contingency(contingency_table)

print(f"卡方值: {chi2}, p值: {p}")

4. 方差分析（ANOVA）（适用于多于两组的独立样本，检验各组之间是否有显著差异）：

from scipy import stats

# 假设groups是一个列表，包含了多个独立样本组的数据
groups = [data1, data2, data3]  # data1, data2, data3是三个独立样本组

# 进行ANOVA检验
f_val, p_val = stats.f_oneway(groups[0], groups[1], groups[2])

print(f"F统计量: {f_val}, p值: {p_val}")