Pingouin是一个用Python 3编写的开源统计软件包，主要基于Pandas和NumPy。 下面列出了它的一些主要功能。 有关可用功能的完整列表，请参阅。 方差分析：N向，重复测量，混合，重复 成对事后检验（参数和非参数）和成对相关 稳健，部分，距离和重复测量的相关性 线性/逻辑回归和中介分析 贝叶斯因素 多元测试 可靠性和一致性 效果大小和功率分析 围绕效应大小或相关系数的参数/自举置信区间 循环统计 卡方检验 绘图：Bland-Altman图，QQ图，配对图，稳健的相关性... Pingouin是为需要简单但详尽的统计功能的用户而设计的。 例如，SciPy的ttest_ind函数仅返回T值和p值。 相比之下，Pingouin的ttest函数返回T值，p值，自由度，效应大小（Cohen d），均值之差的95％置信区间，统计功效和贝叶斯因子（BF10）的测试。 文献资料 聊天

ScottKnott效应大小差异（ESD）测试（版本3.0，开发分支） Scott-Knott效应量差异（ESD）测试是一种多重比较方法，利用层次聚类将一组治疗平均值（例如均值）划分为统计学上不同的组，差异不可忽略[Tantithamthavorn等，（2018 ） ]。 Scott-Knott检验的另一种方法是考虑组内和组间治疗手段的差异（即效果大小）的大小。 因此，Scott-Knott ESD测试（v2 +）产生了治疗方法的排名，同时确保（1）每组中所有治疗方法的差异幅度可忽略不计； （2）组间治疗差异的大小不可忽略。 与其他多重比较测试相比，建议使用Scott-Knott ESD测试，因为它不会像其他事后测试（例如Nemenyi测试）那样产生重叠的组。 参数ScottKnott ESD测试（在2.0+版本中可用） 参数Scott-Knott ESD测试是一种均值比较方法，该方

In this paper we propose a new image randomness measure using Shannon entropy over local image blocks. The proposed local Shannon entropy measure overcomes several weaknesses of the conventional global Shannon entropy measure, including unfair randomness comparisons between images of different sizes, failure to discern image randomness before and after image shuffling, and possible inaccurate scores for synthesized images. Statistical tests pertinent to this new measure are also derived. This new measure is therefore both quantitative and qualitative. The parameters in the local Shannon entropy measure are further optimized for a better capture of local image randomness. The estimated statistics and observed distribution from 50,000 experiments match the theoretical ones. Finally, two examples are given, applying the proposed measure to image randomness among shuffled images and encrypted images. Both examples show that the proposed method is more effective and more accurate than the global Shannon entropy measure