Question

我正在使用Pandas DataFrame按照此示例执行逐行t检验：

import numpy
import pandas

df = pandas.DataFrame(numpy.log2(numpy.randn(1000, 4), 
                      columns=["a", "b", "c", "d"])

df = df.dropna()

现在，假设我将“a”和“b”作为一个组，而将“c”和“d”作为另一个组，我正在逐行执行t检验。使用带有轴= 1的apply时，这对于pandas来说相当微不足道。但是，如果我的函数没有聚合，我可以返回相同形状的DataFrame，如果聚合则返回Series。

通常我只输出p值（所以，聚合）但我想基于其他计算生成一个额外的值（换句话说，返回两个值）。我当然可以进行两次运行，首先聚合p值，然后进行其他工作，但我想知道是否有更有效的方法可以做到这一点，因为数据相当大。

作为计算的一个例子，一个hypotethical函数将是：

from scipy.stats import ttest_ind

def t_test_and_mean(series, first, second):
    first_group = series[first]
    second_group = series[second]
    _, pvalue = ttest_ind(first_group, second_group)

    mean_ratio = second_group.mean() / first_group.mean()

    return (pvalue, mean_ratio)

然后用

调用

df.apply(t_test_and_mean, first=["a", "b"], second=["c", "d"], axis=1)

当然在这种情况下，它会返回一个以两个元组为值的系列。

相反，ny预期输出将是一个包含两列的DataFrame，一列用于第一个结果，另一列用于第二列。这是可能的还是我必须为两次计算做两次运行，然后将它们合并在一起？

Answer 1

返回一个系列，而不是元组，应该生成一个新的多列DataFrame。例如，

return pandas.Series({'pvalue': pvalue, 'mean_ratio': mean_ratio})

从pandas返回多个值适用于DataFrame

1 个答案: