maximtrp/scikit-posthocs

解決的問題

透過提供一整套針對成對多重比較的後續檢定，彌補了 Python 統計生態系統中的缺口。這些檢定在統計資料分析中用於確定在 ANOVA 檢定獲得統計顯著結果後，哪些群組水準彼此之間存在差異。

如何運作

該套件與 NumPy 陣列和 Pandas DataFrames 整合，以實現快速運算。提供廣泛的參數與非參數檢定，包括全檢定（omnibus tests）、因子設計與區塊設計的檢定，以及與對照組的比較。同時也包含異常值偵測與 p 值調整工具，以最小化第一類與第二類錯誤。

適用對象

專為使用 Python 進行資料分析工作流程的統計學家、資料分析師與研究人員設計。

主要特色

• 廣泛的檢定圖書館：包含參數檢定（例如 TukeyHSD、Games-Howell）、非參數檢定（例如 Dunn、Conover）與全檢定。
• 設計支援：針對因子設計與區塊設計資料的專用檢定。
• 資料整合：原生支援 Python 列表、NumPy 陣列與 Pandas DataFrames。
• 視覺化：內建顯著性圖（熱圖）以視覺化 p 值。
• 分析工具：具備異常值偵測（例如 Grubbs、ESD 檢定）與結果摘要的緊湊字母顯示（CLD）功能。