数据分析 · 函数

效应量

计算 Cohen's d 效应量。

调用签名(表, 列名, 分组列)

效ZHONGWEN
PYTHON

Chinese example

中文代码示例

设 表 = Pandas.数据表({"名称": ["甲", "乙"], "数量": [3, 5]})
# 完整案例：按字段调用 效应量
设 结果 = 数据分析.效应量(
    表=表,  # 必填；Pandas DataFrame 或类似表格对象
    列名="数量",  # 必填；按函数业务含义传入 列名;首次使用建议先 打印(...
    分组列="数量",  # 必填；按函数业务含义传入 分组列;首次使用建议先 打印...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

表可选 · 默认无

未声明位置参数或字段名=值

Pandas DataFrame 或类似表格对象。

常见错误：漏传或对象为 None 会报 TypeError/AttributeError;先调用对应的创建函数拿到表再传入

列名可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入列名;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '列名';检查调用是否漏了这行

分组列可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入分组列;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '分组列';检查调用是否漏了这行

Playbook

基础用法 · 进阶组合 · 错误排查

设 表 = Pandas.数据表({"名称": ["甲", "乙"], "数量": [3, 5]})
# 完整案例：按字段调用 效应量
设 结果 = 数据分析.效应量(
    表=表,  # 必填；Pandas DataFrame 或类似表格对象
    列名="数量",  # 必填；按函数业务含义传入 列名;首次使用建议先 打印(...
    分组列="数量",  # 必填；按函数业务含义传入 分组列;首次使用建议先 打印...
)
打印(结果)

# 进阶组合:效应量 配合 数据分析 业务流使用
设 数据 = 数据分析.读取数据("outputs/数据.csv")
设 结果 = 数据分析.效应量(
    表=表,  # 必填
    列名="数量",  # 必填
    分组列="数量",  # 必填
)
数据分析.导出报告(统计, "outputs/报告.html")
打印(结果)

# 错误排查:覆盖 3 个必填参数

## 参数 1: 表
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 数据分析.效应量()  # TypeError
# 修复:补上必填字段
设 结果 = 数据分析.效应量(表=表)

## 参数 2: 列名
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 数据分析.效应量()  # TypeError
# 修复:补上必填字段
设 结果 = 数据分析.效应量(列名="数量")

## 参数 3: 分组列
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 数据分析.效应量()  # TypeError
# 修复:补上必填字段
设 结果 = 数据分析.效应量(分组列="数量")
打印(结果)