Python 基于数据帧向stats.friedmanchisquare传递参数的正确方法是什么？

我试图将值从数据帧

df

传递到，该数据帧具有形状

（11,17）

这就是对我有效的方法（本例中仅适用于三行）：

产生

(16.714285714285694, 0.00023471398805908193)

但是，当我想使用

df

的所有

11

行时，代码行太长

首先，我尝试以以下方式传递值：

df = df.as_matrix()
print stats.friedmanchisquare([df[x, :] for x in np.arange(df.shape[0])])

但我得到：

ValueError: 
Less than 3 levels.  Friedman test not appropriate.

其次，我也尝试过不将其转换为矩阵形式，而将其作为数据帧（这对我来说非常理想），但我想这还不受支持，或者我做错了：

print stats.friedmanchisquare([row for index, row in df.iterrows()])

这也给了我一个错误：

ValueError: 
Less than 3 levels.  Friedman test not appropriate.

因此，我的问题是：基于

df

传递参数的正确方法是什么？（甚至使用其

df.as_matrix（）

表示法）

您可以下载csv格式的“我的数据帧”，并使用以下方式读取：

df = pd.read_csv('df.csv', header=0, index_col=0)

谢谢你的帮助：）

解决方案： 根据@Ami Tavory和@vicg的答案（请投票表决），根据数据的矩阵表示，我的问题的解决方案是添加

*

-运算符，但如下所示：

df = df.as_matrix()
print stats.friedmanchisquare(*[df[x, :] for x in np.arange(df.shape[0])])

如果您想使用原始数据帧，也同样如此，这正是我理想中想要的：

print stats.friedmanchisquare(*[row for index, row in df.iterrows()])

通过这种方式，您可以在数据帧上以其本机格式进行迭代

注意我继续运行了一些

timeit

测试，以查看哪种方法更快，结果表明，先将其转换为

numpy数组

比使用原始数据帧格式的

df

快一倍

这是我的实验装置：

import timeit

setup = '''
import pandas as pd
import scipy.stats as stats
import numpy as np
df = pd.read_csv('df.csv', header=0, index_col=0)
'''

theCommand = '''
df = np.array(df)
stats.friedmanchisquare(*[df[x, :] for x in np.arange(df.shape[0])])
'''

print min(timeit.Timer(stmt=theCommand, setup=setup).repeat(10, 10000))

theCommand = '''
stats.friedmanchisquare(*[row for index, row in df.iterrows()])
'''

print min(timeit.Timer(stmt=theCommand, setup=setup).repeat(10, 10000))

这将产生以下结果：

4.97029900551
8.7627799511

---

我在第一次尝试中看到的问题是，您最终会传递一个列表，其中包含多个数据帧

stats.friedmanchisquare需要多个类似数组的参数，而不是一个列表

尝试使用操作员打开列表

像这样

df = df.as_matrix()
print stats.friedmanchisquare(*[df[x, :] for x in np.arange(df.shape[0])])

---

您可以使用传递它，类似于：

a = np.array([[1, 2, 3], [2, 3, 4] ,[4, 5, 6]])
friedmanchisquare(*(a[i, :] for i in range(a.shape[0])))

a = np.array([[1, 2, 3], [2, 3, 4] ,[4, 5, 6]])
friedmanchisquare(*(a[i, :] for i in range(a.shape[0])))