在中使用组scipy.stats.kruskal公司与R cran相似克鲁斯卡尔.tes

Question

我试图用Python（scipy）替换Python脚本中的一些rpy2代码。在这种情况下，我需要将Kruskal-Wallis测试（R:kruskal.test()）替换为（Python:scipy.stats.kruskal）。在

scipy.stats.kruskal仅在比较整数/浮点时返回类似的H统计和p值。但是，我在应用以字符串表示的组时遇到了一些困难。在

以下是数据的子样本：

y = [4.33917022422, 2.96541899883, 6.70475220836, 9.19889096119, 2.14087398016,
     5.39520023918, 1.58443224287, 3.59625224078, 4.01998599966, 2.58058624352]
x = ['High_O2', 'High_O2', 'High_O2', 'High_O2', 'Low_O2',
      'Low_O2',  'Low_O2',  'Low_O2',  'Mid_O2',  'Mid_O2']

在R中，只需键入：

^{pr2}$

在Python（2.7）中使用scipy（0.17）执行相同的操作：

from scipy import stats
stats.kruskal(y,x)

但是，当使用scipy时，我得到非常低的p值(p<e-07)和非常高的H-统计(26)，这是不正确的。我试图用x替换{0,1,2}列表，但没有任何改进。在

我该如何告诉scipy在排名过程中将x视为一组？在

Answer 1

传递给scipy.stats.kruskal的每个非关键字参数都被视为一组单独的y值。通过将x作为参数之一，kruskal试图将标签字符串视为第二组y值。字符串将被转换为NaNs（这应该会引发一个RuntimeWarning）。在

相反，您需要按标签对y值进行分组，然后将它们作为separate输入数组传递给kruskal。例如：

# convert `y` to a numpy array for more convenient indexing
y = np.array(y)

# find unique group labels and their corresponding indices
label, idx = np.unique(x, return_inverse=True)

# make a list of arrays containing the y-values corresponding to each unique label
groups = [y[idx == i] for i, l in enumerate(label)]

# use `*` to unpack the list as a sequence of arguments to `stats.kruskal`
H, p = stats.kruskal(*groups)

print(H, p)
# 2.94545454545 0.22929927