Python 多数据列比较的循环T检验

我有一只熊猫，有11列数据。我想通过测试将每一列与其他每一列进行比较（见下文）。如何创建一个自动比较所有列的循环，而无需手动编写每个列对组合的代码

from scipy.stats import ttest_ind
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [1.142, -0.432, -0.938, -0.729, -0.846, -0.157, 0.500, 1.183, -1.075, -0.169]
stat, p = ttest_ind(data1, data2)
print('stat=%.3f, p=%.3f' % (stat, p))
if p > 0.05:
    print('Probably the same distribution')
else:
    print('Probably different distributions')

---

是否可以用矩阵或图形显示结果？提前谢谢你

让我们使用嵌套的dict理解来计算每个可能的列组合的

t-test

，然后从嵌套的dict初始化一个新的数据帧，以创建格式良好的矩阵表示：

dct = {x: {y: 's={:.2f}, p={:.2f}'.format(
          *ttest_ind(df[x], df[y])) for y in df} for x in df}
mat = pd.DataFrame(dct)


print(mat)
                 data1           data2
data1   s=0.00, p=1.00  s=0.33, p=0.75
data2  s=-0.33, p=0.75  s=0.00, p=1.00

---

如果需要仅包含

p值的矩阵

：

dct = {x: {y: ttest_ind(df[x], df[y]).pvalue for y in df} for x in df}
mat = pd.DataFrame(dct)

print(mat)
         data1    data2
data1  1.00000  0.74847
data2  0.74847  1.00000

要计算所有

p值的平均值，请使用：

mat.to_numpy().mean()
0.8742349436807844

注意：
df
是包含列
data1
，
data2
…
的数据框如果我答对了你的问题，你可以这样做：
（数据只是一个示例数据帧。
照片中的结果还在继续，我只是没有全部展示。）

在本例中，对于稀疏数据，直方图将显示某些内容，但不是所有内容

from scipy.stats import ttest_ind
import matplotlib.pyplot as plt
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [1.142, -0.432, -0.938, -0.729, -0.846, -0.157, 0.500, 1.183, -1.075, -0.169]
stat, p = ttest_ind(data1, data2)
print('stat=%.3f, p=%.3f' % (stat, p))
if p > 0.05:
    print('Probably the same distribution')
else:
    print('Probably different distributions')
plt.hist(data1, bins=5, color='c', edgecolor='k', alpha=0.5)
plt.hist(data2, bins=5, color='g', edgecolor='k', alpha=0.5)

你会得到这样的情节

要真正了解学生的T-测试，请看一下
谢谢，这很有帮助！有没有办法从矩阵中计算所有p值的平均值？是的，我们可以，但在这种情况下，我们必须修改dict理解。您是否也对结果中的
s
值感兴趣？如果没有，我们可以从矩阵表示中删除
s
值，那么计算平均值就容易多了。@CSBossmann请检查编辑。@CSBossmann check
np.nanmean（mat.to_numpy（））
from scipy.stats import ttest_ind
import matplotlib.pyplot as plt
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [1.142, -0.432, -0.938, -0.729, -0.846, -0.157, 0.500, 1.183, -1.075, -0.169]
stat, p = ttest_ind(data1, data2)
print('stat=%.3f, p=%.3f' % (stat, p))
if p > 0.05:
    print('Probably the same distribution')
else:
    print('Probably different distributions')
plt.hist(data1, bins=5, color='c', edgecolor='k', alpha=0.5)
plt.hist(data2, bins=5, color='g', edgecolor='k', alpha=0.5)