guzhujushi
95f5266563
用户 2026-10-03 拍板方案 A（见决策 41），由 Codex 落地。
拆成三个函数:
- correlation_matrix -> 数值系数矩阵（对角线 1.0）
- correlation_pvalues -> 数值 p 值矩阵（对角线 NaN）
- correlation_table -> 星标字符串表（对角线 1.000 不带星）
三者共用 _check_corr_args 守卫与成对删缺失口径；correlation_table 在最外层调另外两个。
理由: 字符串表做不了后续计算（挑高相关对、喂聚类/PCA、画热力图），反过来随时能格式化；
一旦返回字符串，数值信息不可逆地丢失。
顺带修掉两处:
- 对角线 p 值由 0.0 改成 NaN —— 写 0 会被下游读成"极显著"，而"自己和自己"没有 p 值
- p 值与 r 现在用同一批观测: 先成对 dropna() 再算，并同样尊重 min_periods。
此前 corr 是成对删缺失、pearsonr 不删，两者样本量不同，r 与 p 对不上
- p 值只算上三角再镜像（成对变量的 p 天然对称），省一半重复计算
tests: test_correlation_matrix_diagonal_is_one 摘掉 xfail 转正；新增 8 条
（数值性+对称性、非数值列跳过、p 值对照解析式 t = r*sqrt((n-2)/(1-r^2))、
对角线 NaN、成对删缺失口径、min_periods、对角线无星标、表格与数值输出一致）。
测试 105 passed / 38 skipped / 1 xfail -> 114 passed / 38 skipped / 0 xfail。
验证: pytest 114 passed / 38 skipped；ruff All checks passed；pyright 0 errors。
docs: STATUS.md（L0 9/12 + 决策 41 + 下一步）；CHANGELOG；
personal-pitfalls 追加第 14 条（把"能看的表"和"能算的表"塞进同一个返回值）；
roadmap 记录 correlation_matrix 的两个伴随函数
37 lines
888 B
Python
37 lines
888 B
Python
"""stats —— 描述统计、统计推断、bootstrap。
|
|
|
|
S 级模块。`bootstrap_ci` 建议自己实现一遍（S 档，配完整函数卡片）：
|
|
它是赛题里"没有解析解时怎么给区间"的通用答案。
|
|
"""
|
|
|
|
from .bootstrap import bootstrap_ci, bootstrap_statistic
|
|
from .descriptive import coefficient_of_variation, describe, zscore
|
|
from .inference import (
|
|
anova,
|
|
chi_square_test,
|
|
confidence_interval,
|
|
correlation_matrix,
|
|
correlation_pvalues,
|
|
correlation_table,
|
|
fit_distribution,
|
|
goodness_of_fit,
|
|
t_test,
|
|
)
|
|
|
|
__all__ = [
|
|
"describe",
|
|
"zscore",
|
|
"coefficient_of_variation",
|
|
"correlation_matrix",
|
|
"correlation_pvalues",
|
|
"correlation_table",
|
|
"confidence_interval",
|
|
"t_test",
|
|
"anova",
|
|
"chi_square_test",
|
|
"fit_distribution",
|
|
"goodness_of_fit",
|
|
"bootstrap_statistic",
|
|
"bootstrap_ci",
|
|
]
|