如何在Python中通过for循环批量获取两个DataFrame指定列的Wilcoxon检验p值列表

完全懂你的痛点——手动逐个处理多列效率太低，用循环批量处理就完美解决这个问题了。我们可以通过定义目标列列表，遍历每个列执行检验，最后把结果整理成直观的格式（比如字典，方便对应列名和p值）。

完整实现代码 #

from scipy import stats

# 第一步：定义需要分析的目标列（直接排除不需要的counter_a）
target_columns = ['counter_eh', 'counter_uff', 'counter_mm']

# 第二步：初始化字典存储列名与与对应p值（比单纯列表更直观，能明确每个p值属于哪一列）
column_p_values = {}

# 第三步：循环遍历每个目标列，执行Wilcoxon检验
for col in target_columns:
    # 对两个DataFrame的当前列做检验
    test_result = stats.wilcoxon(dataframe_presencial_B2[col], dataframe_virtual_B2[col])
    # 将列名和对应的p值存入字典
    column_p_values[col] = test_result.pvalue

# 第四步：输出结果（按需使用，也可以直接用字典做后续分析）
for column_name, p_val in column_p_values.items():
    print(f"列「{column_name}」的Wilcoxon检验p值: {p_val:.4f}")  # 保留4位小数更易读

代码说明 #

• 目标列定义：通过target_columns列表精准指定要处理的列，直接排除counter_a，避免无效计算。
• 结果存储：用字典存储结果，相比单纯的列表，能清晰对应每个p值所属的列名，后续分析更方便。
• 循环逻辑：自动遍历所有目标列，重复执行检验逻辑，无需手动复制粘贴代码，减少出错概率。

如果之后需要单纯的p值列表，只需要提取字典的值即可：

p_value_list = list(column_p_values.values())
print(p_value_list)

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