pandas配对样本t检验

在Python的数据分析库pandas中，并没有直接内置T检验功能，但是可以配合第三方统计库如statsmodels来进行配对样本T检验。配对样本T检验，也称为依赖样本T检验或非独立样本T检验，适用于样本中有两个测量值对应于每个观察个体的情况，比如同一个研究对象在不同条件下的两次测量。

例如，如果你想比较两组实验数据，如果同一组人员在两种处理下的结果，你可以先将数据整理成DataFrame，然后利用`statsmodels.stats.ttest_rel()`函数进行计算。这个函数会检查两个相关的样本均值是否有显著差异。

以下是简单的步骤示例：

import pandas as pd
from statsmodels.stats import ttest_rel

# 假设df是一个包含'Group'列（分组标签）和'measurement'列（数值测量结果）的DataFrame
data = {
    'Group': ['A', 'A', 'B', 'B'], # 分组
    'measurement': [10, 12, 9, 11] # 对应的测量值
}
df = pd.DataFrame(data)

# 使用ttest_rel计算配对T检验
t_stat, p_value = ttest_rel(df['measurement'][df['Group'] == 'A'], df['measurement'][df['Group'] == 'B'])

print("t-statistic:", t_stat)
print("p-value:", p_value)