Python成对样本t检验展示95%的置信区间

在R语言里可以很容易地使用

t.test(X1, X2,paired = T)

进行成对样本T检验，并且给出95%的置信区间，但是在Python里，我们只能很容易地找到成对样本T检验的P值，也就是使用scipy库，这里补充一点成对样本t检验的结果和直接检验两个样本的差值和0的区别是完全一样的

from scipy import stats
X1, X2 = np.array([1,2,3,4,5]), np.array([1.1,2,3,4,5])
stats.ttest_rel(X1,X2)
X3 = X1-X2
stats.ttest_1samp(X3,0)

但是这个方法并不会返回置信区间，因此我又找了Python里另一个统计库statsmodels

import statsmodels.stats.api as sms
X1, X2 = np.array([1,2,3,4,5]), np.array([1.1,2,3,4,5])
cm = sms.CompareMeans(sms.DescrStatsW(X1), sms.DescrStatsW(X2))
print(cm.tconfint_diff())
print(cm.ttest_ind())
X3 = X1-X2
sms.DescrStatsW(X3).tconfint_mean()

但是ttest_ind这个方法并不是成对样本的检验，而是独立样本检验，因此计算出来的值往往更加保守，不能准确反映两者的差异，但是statsmodels确实没有成对样本检验的函数，在别的论坛上大家说因为scipy有了这个函数，所以statsmodels就没写…感觉挺无语的，不过想到其实直接做单样本的t检验其实就ok了，所以直接做差后，用tconfint_mean这个方法就可以得到了，我在R语言里做出来的结果和Python中是一致的。不得不说statsmodels真的是Python统计之光。
#-------------210827----------------------
今天再次使用这个函数，发现了一个之前没有注意到的点，本来以为这个函数第一步会先将weights进行标准化，没想到函数里并不是这么做的，而是将weights直接相加，这样得到的数作为t检验时的自由度，大家在用的时候要谨慎给weights的值。