两组矩阵列表逐坐标t检验获取14×14 p值矩阵实现问题咨询

核心逻辑 #

你需要对14×14网格的每一个坐标位置，分别提取A组10个样本、B组11个样本在该位置的数值，做独立样本t检验，将得到的p值填入结果矩阵对应坐标即可。

Python 实现（推荐） #

依赖numpy做数组处理，scipy做t检验，优先用向量化操作，不需要手动写循环：

import numpy as np
from scipy.stats import ttest_ind

# 示例模拟数据，使用时替换为你自己的列表A、B
A = [np.random.rand(14, 14) for _ in range(10)]
B = [np.random.rand(14, 14) for _ in range(11)]

# 将列表转换为三维数组，形状分别为 (样本量, 14, 14)
arr_A = np.array(A)
arr_B = np.array(B)

# 沿样本维度（第0维）批量做t检验，直接得到14x14的t值矩阵和p值矩阵
# 方差齐用默认equal_var=True，方差不齐改设为False执行Welch's t检验
t_stats, p_matrix = ttest_ind(arr_A, arr_B, axis=0, equal_var=True)

# 验证输出维度，结果为(14,14)即符合要求
print(p_matrix.shape)

如果你偏好更直观的逐坐标循环写法（14×14的小维度下性能无差异），可以用如下代码：

import numpy as np
from scipy.stats import ttest_ind

p_matrix = np.zeros((14, 14))
for i in range(14):
    for j in range(14):
        # 分别提取两组对应坐标的所有样本值
        group_a_vals = [mat[i][j] for mat in A]
        group_b_vals = [mat[i][j] for mat in B]
        # 执行t检验，存储p值
        _, p_val = ttest_ind(group_a_vals, group_b_vals, equal_var=True)
        p_matrix[i][j] = p_val

补充说明 #

• 如果后续需要做多重检验校正（比如FDR校正控制假阳性），可以调用scipy.stats.multitest.multipletests对展平的p值做校正后，再reshape回14×14的矩阵即可。
• R语言实现思路完全一致：将两个列表转为三维数组后，用apply函数沿样本维度逐坐标调用t.test即可得到结果。

内容的提问来源于stack exchange，提问作者baptbapt