Python中Kruskal Wallis测试的输入格式

我正在比较癌症患者和健康人的DNA结构断裂区域。我试图对每个区域的中断次数进行Kruskal-Wallis测试（SciPy统计），看看这两个分布之间是否存在差异。 我不确定Kruskal-Wallis的输入是数组（文档），还是数组列表（互联网上的其他地方）

首先，我尝试了一个用于sample+控件的数组，如下所示：

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
n=0
for item in controls:
    array_item = np.array([item, samples[n]])
    kw_test = stats.mstats.kruskalwallis(array_item)
    print(kw_test)
    n+=1

这为所有项目提供了以下输出：

(0.0, nan)

我还尝试转换阵列中的各个数据点，然后运行KW测试

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
n=0
kw_results = []
for item in controls:
    array_controls = np.array([item])
    array_samples = np.array([samples[n]])
    kw_test = stats.mstats.kruskalwallis(array_samples, array_controls)
    kw_results.append(kw_test)
    n+=1
print(kw_results)

这就为所有的比较提供了

（1.0,0.31731050786291404）

，即使我大幅更改了其中一个列表

深入挖掘，我读到输入应该是数组列表，所以我认为只给出两个数据点（一个样本，一个控件）可能会导致“（0.0，nan）”，所以我也尝试了

controls = ['1', '2', '3', '4', '5']
samples = ['10', '20', '30', '40', '50']
list_ = []
n=0
for item in controls:
    array_item = np.array([item, samples[n]])
    list_.append(array_item)
    n+=1
kw_test = stats.mstats.kruskalwallis(list_)
print(kw_test)

这给了我一个错误：

TypeError: Not implemented for this type

现在我不确定使用什么格式/类型，希望任何人都能帮助我

模块使用数组。这些可以是具有不均匀观测数的阵列

如果您将CSV文件中的数据放在单独的列中，则类似这样的操作应该可以：

import pandas
from scipy.stats import mstats

Data = pandas.read_csv("CSVfile.csv")
Col_1 = Data['Colname1']
Col_2 = Data['Colname2']
Col_3 = Data['Colname3']
Col_4 = Data['Colname4']

print("Kruskal Wallis H-test test:")

H, pval = mstats.kruskalwallis(Col_1, Col_2, Col_3, Col_4)

print("H-statistic:", H)
print("P-Value:", pval)

if pval < 0.05:
    print("Reject NULL hypothesis - Significant differences exist between groups.")
if pval > 0.05:
    print("Accept NULL hypothesis - No significant difference between groups.")

导入熊猫
从scipy.stats导入mstats
数据=pandas.read_csv（“CSVfile.csv”）
Col_1=数据['Colname1']
Col_2=数据['Colname2']
Col_3=数据['Colname3']
Col_4=数据['Colname4']
打印（“Kruskal-Wallis H测试：”）
H、 pval=mstats.kruskalwallis（第1列、第2列、第3列、第4列）
打印（“H-统计：，H）
打印（“P值：”，pval）
如果pval<0.05：
打印（“拒绝无效假设-组间存在显著差异。”）
如果pval>0.05：
打印（“接受无效假设-各组之间无显著差异。”）

奥辛的回答对我帮助很大。我想假设第一列是某种标识符，而不是数据，我还想让测试在不手动输入列标题的情况下评估所有数据列。以下是符合我的标准的对Osian代码的修改

import pandas, sys
from scipy.stats import mstats

Data = pandas.read_csv(sys.argv[1], index_col=0, sep='\t')
H, pval = mstats.kruskalwallis([Data[col] for col in Data.columns])


print "H-statistic:\t%s\nP-value:\t%s" % (str(H),str(pval))
if pval < 0.05:
    print("Reject NULL hypothesis - Significant differences exist between groups.")
if pval > 0.05:
    print("Accept NULL hypothesis - No significant difference between groups.")

导入熊猫，系统 从scipy.stats导入mstats Data=pandas.read\u csv（sys.argv[1]，index\u col=0，sep='\t'） H、 pval=mstats.kruskalwallis（[Data[col]表示Data.columns中的col]） 打印“H-统计：\t%s\nP值：\t%s”%（str（H），str（pval）） 如果pval<0.05： 打印（“拒绝无效假设-组间存在显著差异。”） 如果pval>0.05： 打印（“接受无效假设-各组之间无显著差异。”）

---

我认为Kruskal-Wallis测试在所有情况下给出相同p值的原因是，在每种情况下，您只比较了两个值

要将数组列表传递给kruskal测试，似乎需要将其作为mstats.kruskalwallis（*args）传递。见（）

如果列中有数据，Patrick的修改很有用，但我无法将列表直接传递到kruskal函数中，但传递它*args有效

import pandas, sys
from scipy.stats import mstats

Data = pandas.read_csv(sys.argv[1], index_col=0, sep='\t')
args = [Data[col] for col in Data.columns]
H, pval = mstats.kruskalwallis(*args)

---

我试图完全像这样做，但它给出了错误TypeError:float（）参数必须是字符串或数字，而不是“SingleBlockManager”。有什么想法吗？在我的情况下，没有列是动态的，我可以得到3-10列。如何处理这个案件

import pandas, sys
from scipy.stats import mstats

Data = pandas.read_csv(sys.argv[1], index_col=0, sep='\t')
args = [Data[col] for col in Data.columns]
H, pval = mstats.kruskalwallis(*args)