在對數據建模前需要做數據探索，比如做特徵相關性的時候，經常會用到假設檢驗，很多時候我們需要對數據做正態性檢驗，進而通過檢驗結果確定下一步的分析方案。下面介紹 Python 中常用的幾種正態性檢驗方法：
scipy.stats.kstest（K-S檢驗）
kstest 是一個很強大的檢驗模塊，除了正態性檢驗，還能檢驗 scipy.stats 中的其他數據分佈類型，僅適用於連續分佈的檢驗，
原假設：數據符合正態分佈
kstest(rvs, cdf, args=(), N=20, alternative='two_sided', mode='approx', **kwds)
對於正態性檢驗，我們只需要手動設置三個參數即可：
rvs：待檢驗的一組一維數據
cdf：檢驗方法，例如'norm'，'expon'，'rayleigh'，'gamma'，這裡我們設置為'norm'，即正態性檢驗
alternative：默認為雙尾檢驗，可以設置為'less'或'greater'作單尾檢驗
model:'approx'(默認)，使用檢驗統計量的精確分佈的近視值，
'asymp'：使用檢驗統計量的漸進分佈
輸出結果中第一個為統計量，第二個為P值（注：統計量越接近0就越表明數據和標準正態分佈擬合的越好，如果P值大於顯著性水平，通常是0.05，接受原假設，則判斷樣本的總體服從正態分佈）
scipy.stats.shapiro（W檢驗）
與 kstest 不同，shapiro 是專門用來做正態性檢驗的模塊
原假設：樣本數據符合正態分佈
注意：shapiro是用來檢驗小樣本數據（數據量<50），不適合做（樣本數＞5000）的正態性檢驗，檢驗結果的P值可能不準確
scipy.stats.shapiro(x, a=None, reta=False)
一般我們只用 x 參數就行，x 即待檢驗的數據
輸出結果中第一個為統計量，第二個為P值（統計量越接近1越表明數據和正態分佈擬合的好，P值大於指定的顯著性水平，接受原假設，認為樣本來自服從正態分佈的總體）
scipy.stats.normaltest
normaltest 也是專門做正態性檢驗的模塊，原理是基於數據的skewness和kurtosis
scipy.stats.normaltest(a, axis=0, nan_policy='propagate')
a：待檢驗的數據
axis：默認為0，表示在0軸上檢驗，即對數據的每一行做正態性檢驗，我們可以設置為 axis=None 來對整個數據做檢驗
nan_policy：當輸入的數據中有空值時的處理辦法。默認為 'propagate'，返回空值；設置為 'raise' 時，拋出錯誤；設置為 'omit' 時，在計算中忽略空值。
輸出結果中第一個為統計量，第二個為P值（注：p值大於顯著性水平0.05，認為樣本數據符合正態分佈）
scipy.stats.anderson
anderson 是修改版的 kstest，說是增強版也不為過。也可以做多種分佈的檢驗，默認的檢驗時正態性檢驗。
scipy.stats.anderson(x, dist='norm')
參數x表示輸入數據，輸出結果：
anderson 有三個輸出值，第一個為統計數，第二個為評判值，第三個為顯著性水平， 評判值與顯著性水平對應
對於正態性檢驗，顯著性水平為：15%, 10%, 5%, 2.5%, 1%
基於偏度和峰度的檢驗，可用於檢驗樣本數據是否來自正態分佈，易受異常值影響，不能用於小樣本。（雅克-貝拉檢驗Jarque-Bera test：正態性檢驗）
偏度檢驗：H0 : 樣本數據的偏度=0 H1 :樣本數據的偏度≠0
拒絕原假設則認為樣本數據不是來自正態總體，但不拒絕原假設不能說明樣本數據來自正態總體，只能說明數據對稱，只有在確定對稱性是影響分佈的形態的唯一因素時，偏度檢驗才適用。
峰度檢驗：H0 : 樣本數據的峰度=3 H1 :樣本數據的峰度≠3
拒絕原假設則認為樣本數據不是來自正態總體，但不拒絕原假設不能說明樣本數據來自正態總體，容易出錯不推薦使用。
（二）SPSS中正態性檢驗的方法
1、計算偏度(Skewness)和峰度(Kurtosis) ，當它們接近0時，為正態。
閱讀更多 愛數據的小司機 的文章
