如何向量化Fisher的精确检验？

Question

是否可以使用费舍尔精确检验的矢量化来优化此计算？num_cases>〜1000000 时，运行时很麻烦。

import numpy as np
from scipy.stats import fisher_exact

num_cases = 100
randCounts = np.random.random_integers(100,size=(num_cases,4))

def testFisher(randCounts):
    return [fisher_exact([[r[0],r[1]],[r[2], r[3]]])[0] for r in randCounts]

In [6]: %timeit testFisher(randCounts)
        1 loops, best of 3: 524 ms per loop

Answer 1

这是使用Fisher中实现的 Fisher 的答案。我在 numpy 中手动计算 OR。

安装：

# pip install fisher
# or 
# conda install -c bioconda fisher

设置：

import numpy as np
np.random.seed(0)
num_cases = 100
c = np.random.randint(100,size=(num_cases,4), dtype=np.uint)

# head, i.e. 
c[:5]
# array([[44, 47, 64, 67],
#   [67,  9, 83, 21],
#   [36, 87, 70, 88],
#   [88, 12, 58, 65],
#   [39, 87, 46, 88]], dtype=uint64)

执行：

from fisher import pvalue_npy
_, _, twosided = pvalue_npy(c[:, 0], c[:, 1], c[:, 2], c[:, 3])
odds = (c[:, 0] * c[:, 3]) / (c[:, 1] * c[:, 2])

print("result fast p and odds", odds[0], twosided[0])
# result fast p and odds 0.9800531914893617 1.0
print("result slow", fisher_exact([[c[0][0], c[0][1]], [c[0][2], c[0][3]]]))
# result slow (0.9800531914893617, 1.0)

请注意，对于一百万行只需要两秒钟:)

另外，要计算近似的 OR，您可能需要在查找优势比之前向表中添加伪计数。这通常比 inf 更有趣，因为您可以比较近似值:)：

c2 = c + 1
odds = (c2[:, 0] * c2[:, 3]) / (c2[:, 1] * c2[:, 2])

编辑：

从 0.0.61>= 此方法作为 包含在pyranges中pr.stats.fisher_exact。