问题描述
我正在尝试使用 pyspark 在非常大的数据集上执行 Tukey 测试。
现在我知道在 python 中我们可以使用 pairwise_tukeyhsd
模块中的 statsmodels.stats.multicomp
库。
这将需要我将我的 spark 数据框转换为 Pandas 数据框,这违背了使用 RDD 的目的,并且不适用于我的大型数据集。
另一种方法是手动对火花数据帧进行数学测试,这很简单,如图here
但是,要将 means
与 Q_crit
值进行比较,我需要 Tukey 的临界值表。
有没有办法计算 Tukey 表上的临界值?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)