scipy.stats如何处理nans？

Question

我试图用Python做一些统计。我有几个缺失值的数据，填充了np.nan，我不确定是手动删除它，还是can能够处理它。所以我两个都试过了：

 import scipy.stats, numpy as np
a = [0.75, np.nan, 0.58337, 0.75, 0.75, 0.91663, 1.0, np.nan, 0.663, 0.837,     0.837, 1.0, 0.663, 1.0, 1.0, 0.91663, 0.75, 0.41669, 0.58337, 0.663, 0.75, 0.58337] 
b = [0.837, np.nan, 0.663, 0.58337, 0.75, 0.75, 0.58337, np.nan, 0.166, 0.5,     0.663, 1.0, 0.91663, 1.0, 0.663, 0.75, 0.75, 0.41669, 0.331, 0.25, 1.0, 0.91663]

d_1, d_2 = a,b
wilc1 =  scipy.stats.wilcoxon(d_1, d_2, zero_method = 'pratt')

d_1, d_2 = [], []
for d1, d2 in zip(a, b):
    if np.isnan(d1) or np.isnan(d2):
        pass
    else:
        d_1.append(d1)
        d_2.append(d2)

wilc2 =  scipy.stats.wilcoxon(d_1, d_2, zero_method = 'pratt')
print wilc1
print wilc2

我得到两个运行时警告：

C:\Python27\lib\site-packages\scipy\stats\morestats.py:1963: RuntimeWarning: invalid value encountered in greater
  r_plus = sum((d > 0) * r, axis=0

和两个Wilcoxon输出

(54.0, 0.018545881687477818)
(54.0, 0.056806600853965265)

正如你所看到的，我有两个相似的测试统计(W)，和两个不同的P-值。哪一个是对的？

我猜想，Wilcoxon在测试统计计算中正确地处理了缺失值，但是在P值计算中，它使用了所有数据的len()，而不仅仅是有效的情况。这算不算臭虫？

Answer 1

您不能在数学上执行基于nan的测试统计。除非你找到了对nan特殊待遇的证据/文件，否则你不能依赖这一点。

我的经验是，一般情况下，即使是矮人也不特别对待南，例如中位。相反，不管结果是什么，结果都是算法实现的结果。

例如，numpy.median()似乎将nan作为inf来处理，将nan置于中间值之上。这很可能只是a<b比较结果的副作用，对于nan总是错误的。在两个相同的测试统计值W之后，可能也有类似的效果。

还请注意: numpy中有一些方法变体，如http://docs.scipy.org/doc/numpy/reference/generated/numpy.nanmean.html