scipy ttest_ind报ValueError：操作数无法广播（形状(92,)(95,)）

问题原因分析 #

你的报错核心是数据维度不匹配，以及对ttest_ind的轴方向理解有误：

• 你读取数据后，case（Label=0）是(n_taxa, 92)的DataFrame，ctrl（Label=1）是(n_taxa, 95)的DataFrame。
• 直接调用ttest_ind(case, ctrl)时，函数默认沿axis=0计算——也就是把每一列当作一个特征去做检验，但case和ctrl的列数（样本数）不一致，触发了numpy广播错误。
• 另外，你分别对case和ctrl执行dropna()，会导致两者的行（TaxID）集合不一致，进一步加剧维度不匹配的问题。

解决方案：对齐行索引+逐行检验 #

我们需要确保两个数据集包含相同的物种（TaxID），然后对每个物种的case/ctrl样本值单独做检验。

步骤1：数据清洗与对齐

先合并case和ctrl数据集，统一删除有缺失值的物种，再拆分回两个子集：

import pandas as pd
from scipy.stats import ttest_ind, ranksums

# 读取数据（保持你的原读取逻辑）
df = pd.read_csv('final_out_transposed.csv', header=[1,2], index_col=[0])

# 拆分case和ctrl
case = df.xs('0', axis=1, level=0)
ctrl = df.xs('1', axis=1, level=0)

# 合并后统一删除有缺失值的行（确保物种在所有样本中都有数据）
combined = pd.concat([case, ctrl], axis=1).dropna()

# 重新拆分回对齐后的case和ctrl
case_aligned = combined.iloc[:, :92]  # 前92列是case
ctrl_aligned = combined.iloc[:, 92:]  # 后95列是ctrl

步骤2：执行检验（两种实现方式）

方式1：显式循环逐行处理（直观易调试）

# 初始化结果存储DataFrame
results = pd.DataFrame(
    index=combined.index,
    columns=['ttest_stat', 'ttest_pval', 'ranksums_stat', 'ranksums_pval']
)

for taxon in combined.index:
    # 获取当前物种的所有case和ctrl样本值
    case_vals = case_aligned.loc[taxon].values
    ctrl_vals = ctrl_aligned.loc[taxon].values
    
    # 执行Welch T检验（equal_var=False）
    tt_stat, tt_pval = ttest_ind(case_vals, ctrl_vals, equal_var=False)
    # 执行秩和检验
    rs_stat, rs_pval = ranksums(case_vals, ctrl_vals)
    
    # 保存结果
    results.loc[taxon] = [tt_stat, tt_pval, rs_stat, rs_pval]

# 查看前5条结果
print(results.head())

方式2：用apply简化代码（更简洁）

def run_tests(row):
    # 拆分当前行的case和ctrl值
    case_vals = row[:92].values
    ctrl_vals = row[92:].values
    
    # 执行检验
    tt_stat, tt_pval = ttest_ind(case_vals, ctrl_vals, equal_var=False)
    rs_stat, rs_pval = ranksums(case_vals, ctrl_vals)
    
    return pd.Series(
        [tt_stat, tt_pval, rs_stat, rs_pval],
        index=['ttest_stat', 'ttest_pval', 'ranksums_stat', 'ranksums_pval']
    )

# 对合并后的数据集逐行应用检验函数
results = combined.apply(run_tests, axis=1)

# 查看结果
print(results.head())

关键说明 #

• 为什么要统一合并后dropna？如果分别对case和ctrl做dropna，会导致某些物种只在其中一个子集存在，后续检验时无法匹配，统一清洗能保证所有保留的物种在两类样本中都有完整数据。
• ttest_ind的axis参数：我们不需要修改它，因为逐行处理时，每个物种的样本值是一维数组，函数会自动处理两个长度不同的样本集合（Welch检验支持不等样本量）。

内容的提问来源于stack exchange，提问作者K.S