如何用Python Pandas将R的Tukey HSD检验表转换为相关矩阵

步骤1：拆分组对索引 #

先把DataFrame的组对索引（如50-0）拆成两个分组列，对应矩阵的行和列：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为tukey_df
tukey_df[['row_group', 'col_group']] = tukey_df.index.str.split('-', expand=True)

步骤2：构建初始矩阵 #

用pivot方法将拆分后的分组转为行列，填充对应p值：

# 生成初始矩阵，未出现的组对会显示缺失值
pivot_matrix = tukey_df.pivot(index='row_group', columns='col_group', values='p adj')

步骤3：补全对称位置的p值 #

组对A-B和B-A的校正p值完全一致，用转置矩阵补全缺失的对称位置：

# 合并原矩阵与转置矩阵，补全对称位置的p值
pivot_matrix = pivot_matrix.combine_first(pivot_matrix.T)

步骤4：整理行列顺序并填充对角线 #

指定时间组的正确排序，确保矩阵行列按0、5、10...60排列，同时将对角线（同一组比较）的p值设为1（或NaN，按需调整）：

# 定义时间组的正确顺序
time_order = ['0', '5', '10', '20', '30', '40', '50', '60']
# 重新索引，确保行列包含所有时间组
pivot_matrix = pivot_matrix.reindex(index=time_order, columns=time_order)
# 填充对角线（同一组比较无统计意义，设为1）
np.fill_diagonal(pivot_matrix.values, 1.0)

处理后的pivot_matrix就是目标矩阵：行和列均为时间组，对应位置为两组间的校正p值，对角线为1。

内容的提问来源于stack exchange，提问作者Tiago Prazeres