Python 3.x Pandas将kruskal wallis应用于数字列

我有一个27列的数据框（26列是数值变量，第27列告诉我每行与哪个组关联）。总共有7组，我试图对每个变量应用Kruskal-Wallis检验，按组划分，以确定是否存在显著差异

我试过：

df.groupby(['treatment']).apply(kruskal)

这会抛出一个错误“在stats.kruskal（）中至少需要两个组和两个组”

---

我的其他尝试也没有产生结果。我将定期对更大的数据集进行类似的分析。有人能帮我理解这个问题以及如何解决它吗？

使用Scipy，您可以对每个变量都这样做：

scipy.stats.kruskal(*[group["variable"].values for name, group in df.groupby("treatment")])

---

使用Scipy，您可以对每个变量执行以下操作：

scipy.stats.kruskal(*[group["variable"].values for name, group in df.groupby("treatment")])

---

ValueError:在stats.kruskal（）中至少需要两个组您有多少个组？如果执行df.groupby（“治疗”）.size（），输出是什么？共有5个组。这些组的输出分别为134、72、128、59和72。编辑我的答案后，需要扩展iterable（将

*

放在前面）。现在可以吗？

对于名称，在df中分组。groupby（“治疗”）

迭代不同的组，对于每个组，

group[“variable”]。值

选择所需列的值。最后，您会得到一个给定变量的每个组的值列表，您可以将这些值展开并提供给kruskal函数。ValueError:在stats.kruskal（）中至少需要两个组您有多少个组？如果执行df.groupby（“治疗”）.size（），输出是什么？共有5个组。这些组的输出分别为134、72、128、59和72。编辑我的答案后，需要扩展iterable（将

*

放在前面）。现在可以吗？

对于名称，在df中分组。groupby（“治疗”）

迭代不同的组，对于每个组，

group[“variable”]。值

选择所需列的值。最后，您会得到一个给定变量的每个组的值列表，您可以将其展开并提供给kruskal函数。