我正在尝试使用pyspark在一个非常大的数据集上执行tukey的测试。现在我知道在python中我们可以使用 pairwise_tukeyhsd 图书馆从 statsmodels.stats.multicomp 模块。这将需要我将sparkDataframe转换为pandasDataframe，这会破坏使用rdd的目的，并且不会在我的大型数据集上工作。
另一种方法是手动对sparkDataframe进行数学上的测试，如这里所示，这非常简单，可以比较 means 与 Q_crit 值，我需要tukey的临界值表。
有没有办法计算tukey表上的临界值？