如何在分组Kruskal检验中排除样本量小于5的类别？

你可以通过两种方式过滤掉样本量小于5的treatment类别，再执行Kruskal检验：

方法1：在分组推导式中直接过滤 #

修改原列表推导式，加入对分组样本量的判断，只保留样本量≥5的组：

from scipy.stats import kruskal

# 过滤样本量≥5的分组，再提取变量值
valid_groups = [group["variable"].values for name, group in df.groupby("treatment") if len(group) >= 5]

# 执行Kruskal检验（确保至少有2个有效分组才会运行）
if len(valid_groups) >= 2:
    stat, p_val = kruskal(*valid_groups)
    print(f"Kruskal-Wallis统计量: {stat}, p值: {p_val}")
else:
    print("有效分组不足2个，无法执行Kruskal检验")

方法2：先预处理数据再分组 #

先通过filter方法筛选出符合样本量要求的行，再进行分组和检验，这种方式更直观：

from scipy.stats import kruskal

# 筛选出样本量≥5的treatment对应的所有行
filtered_df = df.groupby("treatment").filter(lambda x: len(x) >= 5)

# 对筛选后的数据分组并提取变量值
valid_groups = [group["variable"].values for name, group in filtered_df.groupby("treatment")]

# 执行检验
if len(valid_groups) >= 2:
    stat, p_val = kruskal(*valid_groups)
    print(f"Kruskal-Wallis统计量: {stat}, p值: {p_val}")
else:
    print("有效分组不足2个，无法执行Kruskal检验")

两种方法都能实现需求，第二种方法会生成一个仅包含有效分组的新DataFrame，后续如果还有其他分析需求也能直接使用。另外注意加入分组数量判断，因为Kruskal检验至少需要2个分组才能运行。

内容的提问来源于stack exchange，提问作者user3892