Question

我有一个这样的数据框：

   1       2
0  P  214233
1  P  130435
2  P  258824
3  P   75488
4  C  101215
5  C  105793
6  C  101591

我想进行一次Wilcoxon秩和检验。为什么以下命令不起作用？

import scipy.stats as ss
df.groupby(1).apply(ss.ranksums)

我认为它不起作用，因为scipy无法识别该组：

TypeError: ranksums() takes exactly 2 arguments (1 given)

如何实现这一目标？无需手动执行groupby：

ss.ranksums(df[df[1]=="C"][2], df[df[1]=="P"][2])

与ANOVA的某些问题相同：

如果数据框如下：

   1       2
0  P  214233
1  P  130435
2  A  258824
3  A  75488
4  A  101215
5  C  105793
6  C  101591

但这里的错误是：

TypeError: can't multiply sequence by non-int of type 'str'

由于

Answer 1

这很有效。

values_per_group = [col for col_name, col in df.groupby(1)[2]]
ss.ranksums(*values_per_group)

Answer 2

@ innohead方法的解释是scipy.stats测试只需要值列，groupby将DataFrame拆分为(group_name, DataFrame)元组。给定组列1和值列2，您可以将list comprehension与groupby对象df.groupby(1)一起使用，仅提取值列df.groupby(1)[2]，然后遍历groupby元组保留值（col）并丢弃名称（col_names）。

除了使用列表推导之外，您还可以使用dict理解将变量名称附加到值：

values_per_group = {col_name:col for col_name, col in df.groupby(1)[2]}
ss.ranksums(*values_per_group.values())

pandas：如何在groupby对象上应用scipy.stats测试？

2 个答案: