Kruskal-Wallis检验的Python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数量运行Kruskal-Wallis测试(SciPy统计)，以查看两个发行版之间是否存在差异。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sample+control的一个数组，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

这为我提供了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-test。

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)

这给了所有比较的(1.0, 0.31731050786291404)，即使我彻底改变了其中一个列表。

深入挖掘，我发现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，一个控件)可能会导致'(0.0，nan)'，所以我也尝试了这样做。

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

现在我不确定使用哪种格式/类型，希望有人能帮助我！

Answer 1

scipy.stats.mstats.kruskalwallis模块使用数组。这些可以是观察值数量不均匀的数组。

如果您将数据放在CSV文件中的单独列中，则应该可以使用以下代码：

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.")

Answer 2

我认为Kruskal Wallis测试在所有情况下都给出相同p值的原因是因为您只比较了每种情况下的两个值。

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。请参见(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)

如果你有列中的数据，Patrick的修改是有用的，但是我没有把列表直接传递给kruskal函数，但是传递它*args起作用了。

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)

Answer 3

Osian的回答对我帮助很大。我想假设第一列是某种类型的标识符，而不是数据，我还想让测试在不手动输入列标题的情况下评估所有数据列。以下是符合我的标准的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.")