如何基于排名对比DataFrame中N_offspring与survival行数据

给定如下部分DataFrame数据：

replicate  N_offspring group  survival  rank offs  rank sur
27   H-CC-81          339   CCC        87          7        13
28   H-CC-82          285   CCC        89         16        12
29   H-CC-83          261   CCC        82         18        19
30   H-CC-84          312   CCC       108         12         5
31   H-CC-85          205   CCC        84         26        15
32   H-CC-86          153   CCC        59         28        27

需求是基于rank offs和rank sur的排名，将对应排名的N_offspring与survival数据进行对比检验（例如对比rank offs=20对应的N_offspring和rank sur=20对应的survival）。

实现步骤 #

1. 提取指定排名的对应数据 #

以提取排名20的两组数据为例，用Python代码实现：

# 假设DataFrame变量名为df
# 获取rank offs=20对应的N_offspring值
offs_rank_20 = df.loc[df['rank offs'] == 20, 'N_offspring'].values[0]
# 获取rank sur=20对应的survival值
sur_rank_20 = df.loc[df['rank sur'] == 20, 'survival'].values[0]

2. 单一对排名数据的对比 #

如果仅需分析单一对排名的数据，可直接对提取出的两个值做描述性对比（如差值、比值）；若需结合整体数据分布做推断，可参考后续全排名成对检验的方法。

3. 全排名成对数据的统计检验 #

若要对所有排名对应的N_offspring和survival做系统性检验，需先将两组数据按排名对齐，再选择合适的统计方法：

• 配对t检验：适用于数据满足正态分布的情况
• 威尔科克森符号秩检验：适用于非正态分布的配对数据

代码示例：

import scipy.stats as stats

# 按各自排名排序，确保两组数据按排名顺序对应
sorted_offspring = df.sort_values('rank offs')['N_offspring']
sorted_survival = df.sort_values('rank sur')['survival']

# 配对t检验
t_statistic, p_value = stats.ttest_rel(sorted_offspring, sorted_survival)
print(f"配对t检验：t值 = {t_statistic:.2f}，p值 = {p_value:.4f}")

# 威尔科克森符号秩检验
wilcoxon_stat, wilcoxon_p = stats.wilcoxon(sorted_offspring, sorted_survival)
print(f"威尔科克森符号秩检验：统计量 = {wilcoxon_stat:.2f}，p值 = {wilcoxon_p:.4f}")

内容的提问来源于stack exchange，提问作者Rimidelo