创建Kruskal-Wallis H-test python的向量 [英] create vectors for Kruskal-Wallis H-test python

问题描述

我有如下数据集

df = pd.DataFrame({'numbers':range(9), 'group':['a', 'b', 'c']*3})

 group numbers
0   a   0
1   b   1
2   c   2
3   a   3
4   b   4
5   c   5
6   a   6
7   b   7
8   c   8

我想创建向量

a = [0, 3, 6]
b = [1, 4, 7]
c = [2, 5, 8]

对于Kruskal-Wallis H-test python

for Kruskal-Wallis H-test python

stats.kruskal(a, b, c)

或可能类似于R（数字〜组）

or maybe analogue as in R (numbers ~ group)

推荐答案

我不熟悉Kruskal-Wallis测试的任何特殊要求，但您可以通过将这些数组放入字典中来访问这些分组的数组方式：

I'm not familiar with any special requirements of the Kruskal-Wallis test, but you can access these grouped arrays via by putting them into a dictionary this way:

groupednumbers = {}
for grp in df['group'].unique(): 
    groupednumbers[grp] = df['numbers'][df['group']==grp].values

print(groupednumbers)
*** {'c': array([2, 5, 8]), 'b': array([1, 4, 7]), 'a': array([0, 3, 6])}

也就是说，您可以通过明确地调用 groupingnumbers ['a'] 等等，或通过列表获取您的向量：

That is, you'd get your vectors by either explicitly calling groupednumbers['a'] etc., or via a list:

args = groupednumbers.values()

...或如果您需要他们按顺序：

... or if you need them in an order:

args = [groupednumbers[grp] for grp in sorted(df['group'].unique())]

然后调用

stats.kruskal(*args)

或者如果您需要实际列表，您可以执行列表（df ['numbers'] [...]。。）

Or if you need actual lists, you can do list(df['numbers'][...].values.)

这篇关于创建Kruskal-Wallis H-test python的向量的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！