如何基于pandas dataframe变量分组实现Mann-Whitney U检验
分组构建与Mann-Whitney U检验实现
1. 提取两组样本
你可以直接用pandas的条件筛选逻辑,从原始DataFrame中分别提取两组的var1取值,scipy的mannwhitneyu支持直接传入pandas Series或numpy数组作为输入:
# group1为var2等于Yes对应的var1取值 group1 = df.loc[df['var2'] == 'Yes', 'var1'] # group2为var2等于No对应的var1取值 group2 = df.loc[df['var2'] == 'No', 'var1']
2. 完整检验代码
注意:你的样本量超过100,使用method="exact"会导致计算效率极低,建议替换为method="auto"让scipy自动选择最优计算方式,大样本下也可使用method="asymptotic"获取近似p值。
完整可运行代码如下:
import pandas as pd from scipy.stats import mannwhitneyu # 若还未导入原始数据,可根据你的数据格式选择导入方式,示例: # df = pd.read_csv("你的数据文件路径.csv") # 提取分组 group1 = df.loc[df['var2'] == 'Yes', 'var1'] group2 = df.loc[df['var2'] == 'No', 'var1'] # 执行检验 U_stat, p_value = mannwhitneyu(group1, group2, method="auto")
3. 结果解读
U_stat为Mann-Whitney U检验的统计量p_value为检验对应的p值,若p值小于预设的显著性水平(通常为0.05),可认为两组var1的分布存在统计学显著差异。
内容的提问来源于stack exchange,提问作者AMeng
相关产品推荐
相关产品推荐

