Python 中 Kruskal-Wallis 测试的输入格式

Question

我正在比较癌症患者和健康人 DNA 中结构断裂的区域。我正在尝试对每个区域的中断次数运行 Kruskal-Wallis 测试 (SciPy Stats)，以查看两个分布之间是否存在差异。我不确定 Kruskal - Wallis 的输入应该是数组（文档）还是数组列表（互联网上的其他地方）。

首先，我尝试了一个这样的样本+控制数组：

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

这给了我所有项目的以下输出：

(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)

这给了(1.0, 0.31731050786291404)所有的比较，甚至当我改变了列表中的一个显着。

深入挖掘，我读到输入应该是一个数组列表，所以我认为只提供两个数据点（一个样本，一个控制）可能会导致“（0.0，nan）”，所以我也试过了。

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

现在我不确定要使用什么格式/类型，希望任何人都可以帮助我！

Answer 1

scipy.stats.mstats.kruskalwallis模块使用数组。这些可以是具有奇数个观测值的数组。

如果您的数据位于 CSV 文件中的单独列中，则类似以下内容应该有效：

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.")