如何将multipletests输出的元组元素迭代添加为DataFrame新列？

核心问题修正 #

你之前的代码逐行传入单个p值给multipletests是错误的——这个函数设计用来处理一组p值，而非单个值。直接传入整个p值列，就能得到与原DataFrame行数匹配的结果数组，无需循环逐行处理。

可行解决方案代码 #

import pandas as pd
from statsmodels.stats.multitest import multipletests

# 示例数据
p_value_df = pd.DataFrame({"id": [123456, 456789], "p-value": [0.098, 0.05]})

# 一次性传入所有p值进行校正
reject, p_corrected, alpha_sidak, alpha_bonferroni = multipletests(
    p_value_df["p-value"],
    alpha=0.05,
    method="bonferroni",
    is_sorted=False,
    returnsorted=False
)

# 将结果转为DataFrame的新列
p_value_df["reject_null"] = reject  # 自动将布尔数组转为列，单个值会自动展开
p_value_df["p_corrected"] = p_corrected
p_value_df["alpha_sidak"] = alpha_sidak
p_value_df["alpha_bonferroni"] = alpha_bonferroni

print(p_value_df)

关键细节说明 #

1. 避免逐行循环：multipletests接受一维数组输入，直接传入p_value_df["p-value"]即可批量处理，效率更高且结果格式匹配。
2. 单元素数组提取：如果因特殊场景必须逐行处理（不推荐），可以用.item()提取数组中的单个值，比如：

   # 仅作示例，不推荐逐行处理
   for idx, row in p_value_df.iterrows():
       results = multipletests(row["p-value"], alpha=0.05, method="bonferroni")
       p_value_df.loc[idx, "reject_null"] = results[0].item()
       p_value_df.loc[idx, "p_corrected"] = results[1].item()
   

3. 结果列对应关系：multipletests返回的元组四个元素分别对应：
   • reject：布尔数组，标记是否拒绝原假设
   • p_corrected：校正后的p值数组
   • alpha_sidak：Sidak校正后的显著性阈值
   • alpha_bonferroni：Bonferroni校正后的显著性阈值

内容的提问来源于stack exchange，提问作者user