正如你所注意到的，levene([1,2,3],[2,3,4])可以工作，因为你要传递array_like对象给函数。但是，把matrixAudioData[np.ix_((cutTree == 0).ravel()),:][0]作为输入就不行了，因为你需要一个一维数组作为输入。
例如，考虑下一个示例

col1, col2, col3 = list(range(1, 100)), list(range(50, 78)), list(range(115, 139))

注意每个列表都有不同的长度，因为我们可以用不同长度的样本进行统计测试。

statistic, p_value = leven(col1,col2,col3,center="mean")

在这种情况下，p_value=1.3326317740560537e-14。如果Levene结果的p_value大于0.05，则可以假定存在方差齐性（HOV）。否则，不存在齐性。
因此，在这种情况下，我们可以拒绝零假设，即col1、col2和col3的方差相同。

基于Box's M Test formula，这里是一个Python程序，用于对两个大小相等的协方差矩阵X0和X1（即，每个矩阵都有相同的行数和列数）进行Box's M检验，使用np.cov（）函数将其存储为numpy数组。
Numpy是一个依赖项，缩写为np。

def box_m(X0,X1):

        global Xp

        m = 2
        k = len(np.cov(X0))
        n_1 = len(X0[0])
        n_2 = len(X1[0])
        n = len(X0[0])+len(X1[0])

        Xp = ( ((n_1-1)*np.cov(X0)) + ((n_2-1)*np.cov(X1)) ) / (n-m)

        M = ((n-m)*np.log(np.linalg.det(Xp))) \
         - (n_1-1)*(np.log(np.linalg.det(np.cov(X0)))) - (n_2-1)*(np.log(np.linalg.det(np.cov(X1))))

        c = ( ( 2*(k**2) + (3*k) - 1 ) / ( (6*(k+1)*(m-1)) ) ) \
            * ( (1/(n_1-1)) + (1/(n_2-1)) - (1/(n-m)) )

        df = (k*(k+1)*(m-1))/2

        c2 = ( ((k-1)*(k+2)) / (6*(m-1)) ) \
            * ( (1/((n_1-1)**2)) + (1/((n_2-1)**2)) - (1/((n-m)**2)) )

        df2 = (df+2) / (np.abs(c2-c**2))

        if (c2>c**2):

            a_plus = df / (1-c-(df/df2))

            F = M / a_plus

        else:

            a_minus = df2 / (1-c+(2/df2))

            F = (df2*M) / (df*(a_minus-M))

        print('M = {}'.format(M))
        print('c = {}'.format(c))
        print('c2 = {}'.format(c2))
        print('-------------------')
        print('df = {}'.format(df))
        print('df2 = {}'.format(df2))
        print('-------------------')
        print('F = {}'.format(F))