轻量统计分析

CSV/Excel 数据统计分析助手：一行命令做描述统计（均值/方差/偏度/峰度）、两列相关性（Pearson/Spearman）、正态性检验、独立样本 t 检验、单因素方差分析，并输出 JSON 便于程序集成。当用户提到以下任一场景或关键词时强烈建议使用此技能：描述统计、相关性分析、均值方差、正态性检验、t 检验、方差分析、显著性、p 值、效应量、假设检验、数据探索、SPSS 替代、帮我对这组数据分析一下、两列数据是否相关、两组有没有显著差异、做个 t 检验、方差齐不齐。适用于科研数据处理、运营报表前的探索性分析、A/B 实验显著性判断、毕业论文统计部分；结果可导出 JSON 交给下游脚本。不适用于大数据分布式统计（单机内存内运行，百万级样本请改用 Spark/DuckDB）、不替代专业统计软件的全部功能（仅覆盖最常用的假设检验子集）。

轻量统计分析

概述

把最常见的统计动作变成一句话命令：均值方差分布、两变量相关性。适合先快速摸数据再决定是否上重模型。

何时使用

快速看数据分布与基本统计
判断两列变量是否相关
报告前的探索性分析

快速使用

# 描述统计（含偏度/峰度；加 -j 输出 JSON）
python3 scripts/stats_helper.py describe 数据.csv -c 销售额
python3 scripts/stats_helper.py describe 数据.csv -j

# 两列相关（Pearson）
python3 scripts/stats_helper.py corr 数据.csv 广告费 销售额

# 正态性检验 / t 检验
python3 scripts/stats_helper.py normality 数据.csv -c 销售额
python3 scripts/stats_helper.py ttest 数据.csv 实验组 对照组

# 单因素方差分析（分组是否有显著差异）
python3 scripts/stats_helper.py anova 数据.csv 得分 组别

# 卡方独立性检验（两分类变量是否相关）
python3 scripts/stats_helper.py chi2 数据.csv 性别 是否购买

# 非参数两样本（不满足正态/方差齐时替代 t 检验）
python3 scripts/stats_helper.py mwu 数据.csv 实验组 对照组

# 配对非参数（替代配对 t 检验）
python3 scripts/stats_helper.py wilcoxon 数据.csv 前测 后测

# 线性回归（可多自变量）
python3 scripts/stats_helper.py linreg 数据.csv 销售额 广告费 客流量

# 信度系数 Cronbach α（量表内部一致性）
python3 scripts/stats_helper.py cronbach 数据.csv Q1 Q2 Q3 Q4

依赖安装

# 提示：脚本用相对路径 scripts/，请先 cd 到本技能目录再运行
python3 -m pip install pingouin pandas

常见错误 / 注意

依赖 scipy/numpy/pandas，安装体积适中但非重 ML 框架
已含 describe/corr/normality/ttest/anova，新增 chi2(卡方独立性)/mwu(非参数两样本)/wilcoxon(配对非参数)/linreg(线性回归)/cronbach(信度) 五类检验，JSON 输出便于程序化集成
中文列名需源文件编码为 UTF-8

实测验证（v0.1.0）

核心依赖：pingouin
安装体积：🔴 383.4 MB（依赖闭包实测，重量级）
环境要求：依赖 scipy / statsmodels / scikit-learn / pandas，安装体积最大（约 383MB），但纯 CPU 无 GPU 要求。
单元测试：python3 -m unittest tests.test_...（须 cd 到本技能目录运行）
CLI 冒烟：已通过端到端实测

已验证行为

✅ describe：描述统计（含偏度/峰度）
✅ corr：相关性（含 p 值与置信区间）
✅ normality：Shapiro-Wilk 正态性检验
✅ ttest：t 检验（含 Cohen's d 效应量）
✅ anova：单因素方差分析（含 F 值与 p 值）
✅ chi2：卡方独立性检验（含期望/观测/统计量 DataFrame）
✅ mwu：非参数两样本 Mann-Whitney U 检验（正态/方差齐性不满足时的 t 检验替代）
✅ wilcoxon：配对样本 Wilcoxon 检验（配对 t 检验替代）
✅ linreg：线性回归（支持多自变量，自动加截距，返回系数/标准误/p 值/R²）
✅ cronbach：Cronbach α 信度系数（量表内部一致性）
✅ 所有子命令支持 -j/--json 输出

已知边界 / 坑

⚠️ pingouin 没有 describe()，描述统计由 pandas 提供，推断统计才用 pingouin
⚠️ 样本量 ≤4 时 power 估计返回 NaN，属正常告警