数据指标波动假设检验统计

eda/recommended_indexs/hypothesis_test.py

@@ -97,19 +97,19 @@ def t_test(x,y): #进行t检验
     if p_value>0.05: #认为数据方差具有齐性，equal_var=ture
         t_test=ttest_ind(x,y,equal_var=True)
         t_p_value=t_test[1]
-        print(t_p_value)
+        # print(t_p_value)
         if t_p_value>0.05:
-            print("策略前后两组数据无显著性差异，即该指标没有显著提升，p_value:%f" % t_p_value)
+            print("策略前后两组数据无显著性差异，即该指标没有显著提升，p_value:" % t_p_value)
         else:
-            print("策略前后两组数据有显著性差异，即该指标获得显著提升，p_value:%f" % t_p_value)
+            print("策略前后两组数据有显著性差异，即该指标获得显著提升，p_value:" % t_p_value)
     else: #认为数据方差不具有齐性，equal_var=false
         t_test = ttest_ind(x, y, equal_var=False)
         t_p_value = t_test[1]
-        print(t_p_value)
+        # print(t_p_value)
         if t_p_value > 0.05:
-            print("策略前后两组数据无显著性差异，即该指标没有显著提升，p_value:%f" % t_p_value)
+            print("策略前后两组数据无显著性差异，即该指标没有显著提升，p_value:" % t_p_value)
         else:
-            print("策略前后两组数据有显著性差异，即该指标获得显著提升，p_value:%f" % t_p_value)
+            print("策略前后两组数据有显著性差异，即该指标获得显著提升，p_value:" % t_p_value)
 #
 # ###假设检验，判断是否具有显著性
 #