python - 在 groupby pandas 之后对多列进行 t 测试

Question

我想计算和测试 pandas 中两组不同多列的平均值，我可以计算出计算部分，但测试部分目前还没有好的解决方案。下面是一个玩具 sample 和我想要的结果。

df = pd.DataFrame(np.random.randint(0,100,size=(100, 2)), columns=['col_1','col_2'])
df['group'] = ['A']*50 + ['B']*50

df.groupby('group').agg({"col_1":"mean","col_2":"mean"})

       col_1  col_2
group              
A      52.26  56.58
B      53.04  49.18

我想要的:

       col_1  t_col_1  col_2 t_col_2
group              
A      52.26  4.3***   56.58 0.8
B      53.04  4.3***   49.18 0.8

其中t_col_1为A组和B组col_1均值差异的t统计，即t.test(df.loc[df ['group'].isin(['B'])][col_1], df.loc[df['group'].isin(['A'])][col_1])。星星不是必需的，但如果它们能在那里就好了。

关于如何做到这一点有什么建议吗？

Answer 1

您可以遍历列并按组执行 t 检验:

import pandas as pd
import scipy.stats as stats

tstats = {}
ix_a = df['group'] == 'A'
for x in df:
    if x != 'group':
        tstats['t_' + x] = stats.ttest_ind(df[x][ix_a], df[x][~ix_a])[0]

df.groupby('group').mean().assign(**tstats)

结果:

       col_1  col_2  t_col_1   t_col_2
group                                 
A      56.24  46.84  0.85443 -0.281279
B      51.24  48.42  0.85443 -0.281279