python - 在 scipy.stats.kruskal 中使用类似于 R cran kruskal.test 的组

Question

我正在尝试用 Python (scipy) 替换 Python 脚本中的一些 rpy2 代码。在这种情况下，我需要用 (Python: kruskal.test() ) 替换 Kruskal-Wallis 测试 (R: scipy.stats.kruskal )。

scipy.stats.kruskal仅比较整数/ float 时返回类似的 H 统计量和 P 值。但是，我在应用以字符串表示的组时遇到一些困难。

下面是数据的子样本:

y = [4.33917022422, 2.96541899883, 6.70475220836, 9.19889096119, 2.14087398016,
     5.39520023918, 1.58443224287, 3.59625224078, 4.01998599966, 2.58058624352]
x = ['High_O2', 'High_O2', 'High_O2', 'High_O2', 'Low_O2',
      'Low_O2',  'Low_O2',  'Low_O2',  'Mid_O2',  'Mid_O2']

在 R 中，只需输入:

kruskal.test(y,as.factor(x))

使用 scipy (0.17) 在 Python (2.7) 中执行相同的操作:

from scipy import stats
stats.kruskal(y,x)

但是，我得到的 p 值非常低 (p<e-07)和相当高的 H 统计量 (26)使用 scipy 时，这是不正确的。我尝试更换 x列表为 {0,1,2}没有任何改善。

我怎样才能告诉 scipy 处理 x排名期间作为小组？

Answer 1

传递给 scipy.stats.kruskal 的每个非关键字参数都被视为一组单独的 y 值。通过将 x 作为参数之一传递，kruskal 尝试将您的标签字符串视为第二组 y 值。字符串将被转换为 NaN(这应该引发 RuntimeWarning)。

相反，您需要按标签对 y 值进行分组，然后将它们作为单独输入数组传递给 kruskal。例如:

# convert `y` to a numpy array for more convenient indexing
y = np.array(y)

# find unique group labels and their corresponding indices
label, idx = np.unique(x, return_inverse=True)

# make a list of arrays containing the y-values corresponding to each unique label
groups = [y[idx == i] for i, l in enumerate(label)]

# use `*` to unpack the list as a sequence of arguments to `stats.kruskal`
H, p = stats.kruskal(*groups)

print(H, p)
# 2.94545454545 0.22929927