Pandas 将 kruskal-wallis 应用于数字列

Posted 2023-02-16

【中文标题】Pandas 将 kruskal-wallis 应用于数字列

【英文标题】：Pandas apply kruskal-wallis to numeric columns

【发布时间】：2019-01-09 00:03:18

【问题描述】：

我有一个 27 列的数据框（26 列是数字变量，第 27 列告诉我每行与哪个组相关联）。总共有 7 个组，我尝试对每个变量应用 Kruskal-Wallis 检验，按组划分，以确定是否存在显着差异。

我试过了：

df.groupby(['treatment']).apply(kruskal)

这会引发错误“在 stats.kruskal() 中需要至少 2 个组两个组”。

我的其他尝试也没有产生输出。我将定期使用更大的数据集进行类似的分析。谁能帮我理解这个问题以及如何解决它？

【参考方案1】：

使用 Scipy，您可以对每个变量都这样做：

scipy.stats.kruskal(*[group["variable"].values for name, group in df.groupby("treatment")])

【讨论】：

ValueError: 在 stats.kruskal() 中至少需要两个组

你有多少组？如果你这样做df.groupby("treatment").size()，输出是什么？

有5组。这些组的输出为 134、72、128、59 和 72。

编辑了我的答案，需要扩展可迭代对象（通过将* 放在前面）。现在好吗？

for name, group in df.groupby("treatment") 遍历不同的组，对于每个组，group["variable"].values 选择所需列的值。最后，您会得到一个给定变量的每个组的值列表，您可以将其扩展并提供给 kruskal 函数。