Question

我想为数据帧的某些子集计算具有自举置信区间的均值;最终目标是生成具有自举置信区间作为误差条的均值的条形图。我的数据框如下所示：

ATG12 Norm     ATG5 Norm    ATG7 Norm    Cancer Stage    
5.55           4.99         8.99         IIA
4.87           5.77         8.88         IIA
5.98           7.88         8.34         IIC

我感兴趣的子集是Norm列和癌症阶段的每个组合。我已设法使用以下方法生成一个方法表：

df.groupby('Cancer Stage')['ATG12 Norm', 'ATG5 Norm', 'ATG7 Norm'].mean()

但我需要使用此处描述的方法计算bootstrap置信区间，以用作每个方法的误差条：http://www.randalolson.com/2012/08/06/statistical-analysis-made-easy-in-python/ 归结为：

import scipy
import scikits.bootstraps as bootstraps
CI = bootstrap.ci(data=Series, statfunction=scipy.mean)
# CI[0] and CI[1] are your low and high confidence intervals

我尝试使用嵌套循环脚本将此方法应用于每个数据子集：

for i in data.groupby('Cancer Stage'):
    for p in i.columns[1:3]: # PROBLEM!!
        Series = i[p]
        print p
        print Series.mean()
        ci = bootstrap.ci(data=Series, statfunction=scipy.mean)

其中产生了错误消息

AttributeError: 'tuple' object has no attribute called 'columns'

不知道“元组”是什么，我有一些阅读要做，但我担心我目前的嵌套for循环方法会给我留下一些我无法轻易绘制的数据结构。我是Pandas的新手，所以我不会惊讶地发现有一种更简单，更简单的方法来生成我想要绘制的数据。任何和所有的帮助将非常感谢。

Answer 1

迭代groupby-object的方式是错误的！当您使用groupby（）时，您的数据框将沿着groupby-columns中的值进行切片，以及这些值作为组名，形成一个所谓的＆＃34;元组＆＃34;： (name, dataforgroup)。迭代groupby-objects的正确方法是

for name, group in data.groupby('Cancer Stage'):
    print name
    for p in group.columns[0:3]:
    ...

请详细了解pandas here的groupby功能，并浏览python-reference以了解元组是什么！

分组数据框和应用函数基本上是在一个语句中使用apply - pandas的功能完成的：

cols=data.columns[0:2]
for col in columns:
    print data.groupby('Cancer Stage')[col].apply(lambda x:bootstrap.ci(data=x, statfunction=scipy.mean))

在一行中完成所需的一切，并为您制作一个（可绘制的）系列

修改：我玩弄了自己创建的数据框对象：

df = pd.DataFrame({'A':range(24), 'B':list('aabb') * 6, 'C':range(15,39)}) for col in ['A', 'C']: print df.groupby('B')[col].apply(lambda x:bootstrap.ci(data=x.values))

产生两个看起来像这样的系列：

B a [6.58333333333, 14.3333333333] b [8.5, 16.25] B a [21.5833333333, 29.3333333333] b [23.4166666667, 31.25]

Pandas，用绘图的自举置信区间计算许多均值

1 个答案: