独立样本T检验在医学研究中有广泛的应用。它常被用于比较不同治疗方法对患者疾病恢复的影响。例如，在临床试验中，可以使用独立样本T检验来比较新药与常规治疗对患者病情的改善情况。此外，独立样本T检验也可以用于比较不同人群或不同时间点的数据，以评估某个因素对健康指标的影响。 在进行独立样本T检验时，有一些要求需要满足。首先，研究中需要有两个独立的样本组，例如分别从两个不同的治疗组中获取数据。其次，样本的数据应该来自正态分布的总体，这意味着样本数据应该符合正态分布的近似或近似正态分布。最后，两个样本的方差需要大致相等，即两个样本的方差差异较小。 满足这些要求后，我们可以使用独立样本T检验来比较两个样本的平均值是否存在显著差异。通过计算T值，我们可以得出结论，判断差异是否显著，并评估治疗方法对患者疗效的影响。这样的分析有助于为医学研究提供科学依据，优化治疗方案，并改善患者的治疗效果。

编程语言：python

数据来源：选择的R语言自带数据库birthwt，大家可以自己去导出，本次也提供了数据(见附件）

目的：使用Python进行对 birthwt数据 里面 bwt 变量进行独立样本的T检验，比较母亲吸烟对新生儿体重是否有差异

使用的Python库：pandas  、scipy、numpy

前提知识：进行T检验的数据需要先符合正态分布和方差齐性，进行正态性检验的方法见上一篇文章（ 用Python进行单样本T检验（附数据） ）

导入库：

import numpy as np

import pandas as pd

import scipy.stats as stats

# 读取数据
birthwt = pd.read_csv("F:\\临时项目\\数据处理助手\\birthwt.csv")
# 对数据进行分组
A = birthwt.bwt[birthwt.smoke == 0]  # A组：不吸烟组
B = birthwt.bwt[birthwt.smoke == 1]  # B组：吸烟组
# 正态性检验
A_result1 = stats.shapiro(A)
B_result1 = stats.shapiro(B)
print("#"*10, f"A组的正态性检验结果：{A_result1}", f"B组的正态性检验结果：{B_result1}", "#"*10, sep="\n")
结果：

##########

A组的正态性检验结果：ShapiroResult(statistic=0.986944317817688, pvalue=0.3336813151836395)

B组的正态性检验结果：ShapiroResult(statistic=0.9829555153846741, pvalue=0.41947314143180847)

##########

根据两个结果可见两组的均为正态数据

# 检验方差是否相等
result2_Bartlett = stats.bartlett(A, B)  # Bartlett检验需要数据服从正态性
result2_Levene = stats.levene(A, B)  # Levene 检验是非参数检验，不需要考虑数据的正态性
print("#"*10, f"Bartlett检验结果：{result2_Bartlett}", f"Levene检验结果：{result2_Levene}", "#"*10, sep="\n")

##########

Bartlett检验结果：BartlettResult(statistic=1.5069020501083583, pvalue=0.21961241527858236)

Levene检验结果：LeveneResult(statistic=1.456423193277535, pvalue=0.2290244956390305)

结果：两种方法检验的结果都是表明数据是方差齐的，Bartlett (P=0.220) ; Levene(P=0.229)

因此，A、B两组数据均为正态性、方差齐性数据

########### 使用stats类的ttest_ind方法进行独立样本T检验

result3_ttest_ind = stats.ttest_ind(A, B, equal_var=True)

print("#"*10, f"独立样本T检验结果：{result3_ttest_ind}", "#"*10, sep="\n")

参数equal_var 用于设置方差是否相等，本次数据因为上一步方差齐性检验结果是方差齐的，所以这里设置为equal_var=True。

结果：

##########

独立样本T检验结果：Ttest_indResult(statistic=2.652893303213649, pvalue=0.008666726371019078)

##########

结果表明：新生儿体重在吸烟的目前和不吸烟的母亲之间差异具有统计学意义（P=0.009）.