Python中的T检验，用于进行多个组比较

Question

我想在python中进行一个简单的t检验，但我想将所有可能的组彼此进行比较。假设我有以下数据：

import pandas as pd

data = {'Category': ['cat3','cat2','cat1','cat2','cat1','cat2','cat1','cat2','cat1','cat1','cat1','cat2','cat3','cat3'],
        'values': [4,1,2,3,1,2,3,1,2,3,5,1,6,3]}
my_data = pd.DataFrame(data)

而且我想针对所有可能的类别组合基于t检验计算p值：

cat1 vs. cat2
cat2 vs. cat3
cat1 vs. cat3

我可以通过以下方式手动执行此操作：

from scipy import stats

cat1 = my_data.loc[my_data['Category'] == 'cat1', 'values']
cat2 = my_data.loc[my_data['Category'] == 'cat2', 'values']
cat3 = my_data.loc[my_data['Category'] == 'cat3', 'values']

print(stats.ttest_ind(cat1,cat2).pvalue)
print(stats.ttest_ind(cat2,cat3).pvalue)
print(stats.ttest_ind(cat1,cat3).pvalue)

但是有没有更简单直接的方法？类别的数量可能因情况而异，因此需要计算的t检验的数量也将有所不同...

最终输出应为一个DataFrame，每个比较均包含一行，其值如下：category1 |类别2 | p值，在这种情况下，应类似于：

cat1 | cat2 | 0.16970867501294376
cat2 | cat3 | 0.0170622126550303
cat1 | cat3 | 0.13951958313684434

Answer 1

考虑跨类别遍历itertools.combinations：

from itertools import combinations
...

def ttest_run(c1, c2):
    results = stats.ttest_ind(cat1, cat2)
    df = pd.DataFrame({'categ1': c1,
                       'categ2': c2,
                       'tstat': results.statistic,
                       'pvalue': results.pvalue}, 
                       index = [0])    
    return df

df_list = [ttest_run(i, j) for i, j in combinations(mydata['Category'].unique().tolist(), 2)]

final_df = pd.concat(df_list, ignore_index = True)