Python中Kruskal-Wallis测试的输入格式

时间:2015-05-21 12:47:09

标签: python arrays kruskal-wallis

我正在比较DNA中有关癌症患者和健康人群结构性断裂的区域。我试图对每个区域的中断次数进行Kruskal-Wallis检验(SciPy Stats),看看这两个分布之间是否存在差异。 我不确定Kruskal - Wallis的输入是否应该是数组(文档)或数组列表(互联网上的其他地方)。

首先,我尝试了一个样本+控件的数组,如下所示:

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
n=0
for item in controls:
    array_item = np.array([item, samples[n]])
    kw_test = stats.mstats.kruskalwallis(array_item)
    print(kw_test)
    n+=1

这给了我以下所有项目的输出:

(0.0, nan)

我还尝试转换数组中的各个数据点,然后运行KW测试。

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
n=0
kw_results = []
for item in controls:
    array_controls = np.array([item])
    array_samples = np.array([samples[n]])
    kw_test = stats.mstats.kruskalwallis(array_samples, array_controls)
    kw_results.append(kw_test)
    n+=1
print(kw_results)

即使我彻底更改了其中一个列表,也为所有比较提供了(1.0, 0.31731050786291404)

深入挖掘,我读到输入应该是一个数组列表,所以我认为只给出两个数据点(一个样本,一个控件)可能会导致'(0.0,nan)',所以我尝试了好。

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
list_ = []
n=0
for item in controls:
    array_item = np.array([item, samples[n]])
    list_.append(array_item)
    n+=1
kw_test = stats.mstats.kruskalwallis(list_)
print(kw_test)

这给了我这个错误:

TypeError: Not implemented for this type

现在我不确定使用什么格式/类型,希望任何人都可以帮助我!

3 个答案:

答案 0 :(得分:3)

scipy.stats.mstats.kruskalwallis模块使用数组。这些可以是具有不均匀观察数的阵列。

如果您将数据放在单独列中的CSV文件中,则此类内容应该有效:

import pandas
from scipy.stats import mstats

Data = pandas.read_csv("CSVfile.csv")
Col_1 = Data['Colname1']
Col_2 = Data['Colname2']
Col_3 = Data['Colname3']
Col_4 = Data['Colname4']

print("Kruskal Wallis H-test test:")

H, pval = mstats.kruskalwallis(Col_1, Col_2, Col_3, Col_4)

print("H-statistic:", H)
print("P-Value:", pval)

if pval < 0.05:
    print("Reject NULL hypothesis - Significant differences exist between groups.")
if pval > 0.05:
    print("Accept NULL hypothesis - No significant difference between groups.")

答案 1 :(得分:0)

Osian的回答对我很有帮助。我想假设第一列是某种标识符,而不是数据,我还想让测试评估所有数据列,而无需手动输入列标题。以下是对符合我标准的Osian代码的修改。

import pandas, sys
from scipy.stats import mstats

Data = pandas.read_csv(sys.argv[1], index_col=0, sep='\t')
H, pval = mstats.kruskalwallis([Data[col] for col in Data.columns])


print "H-statistic:\t%s\nP-value:\t%s" % (str(H),str(pval))
if pval < 0.05:
    print("Reject NULL hypothesis - Significant differences exist between groups.")
if pval > 0.05:
    print("Accept NULL hypothesis - No significant difference between groups.")

答案 2 :(得分:0)

我认为Kruskal Wallis测试在所有情况下给出相同p值的原因是因为在每种情况下你只比较两个值。

要将数组列表传递给kruskal测试,似乎需要将其作为mstats.kruskalwallis(* args)传递。见(create vectors for Kruskal-Wallis H-test python

import pandas, sys
from scipy.stats import mstats

H, pval = mstats.kruskalwallis(*args)
controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '70', '50']
n=0
kw_results = []
list_ = []
for item in controls:
    array_item = np.array([item, samples[n]])
    list_.append(array_item)
    n+=1
args=[l for l in list_]
kw_test =  mstats.kruskalwallis(*args)
print(kw_results)

如果您有列中的数据,Patrick的修改很有用,但是对我来说,将列表直接传递给kruskal函数但传递它* args无效。

import pandas, sys
from scipy.stats import mstats

Data = pandas.read_csv(sys.argv[1], index_col=0, sep='\t')
args = [Data[col] for col in Data.columns]
H, pval = mstats.kruskalwallis(*args)