问题描述
我有一个包含大约 33 个变量的数据集。数据集包含患者信息，感兴趣的结果本质上是二进制的。以下是部分数据。
数据集存储为熊猫数据框
df.head()
ID Age GAD PHQ Outcome
1 23 17 23 1
2 54 19 21 1
3 61 23 19 0
4 63 16 13 1
5 37 14 8 0
我想运行独立的 t 检验，以查看基于结果的患者信息差异。因此，如果我要对每个人单独进行 t 检验，我会这样做：
age_neg_outcome = df.loc[df.outcome ==0,['Age']]
age_pos_outcome = df.loc[df.outcome ==1,['Age']]
t_age,p_age = stats.ttest_ind(age_neg_outcome,age_pos_outcome,unequal = True)
print('\t Age: t= ',t_age,'with p-value= ',p_age)
如何在 for 循环中为每个变量执行此操作？
我看过这个帖子，它有点相似，但无法使用。
Python : T test ind looping over columns of df
解决方法
你快到了。 ttest_ind 也接受多维数组：
cols = ['Age','GAD','PHQ']
cond = df['outcome'] == 0
neg_outcome = df.loc[cond,cols]
pos_outcome = df.loc[~cond,cols]
# The unequal parameter is invalid so I'm leaving it out
t,p = stats.ttest_ind(neg_outcome,pos_outcome)
for i,col in enumerate(cols):
print(f'\t{col}: t = {t[i]:.5f},with p-value = {p[i]:.5f}')
输出：
Age: t = 0.12950,with p-value = 0.90515
GAD: t = 0.32937,with p-value = 0.76353
PHQ: t = -0.96683,with p-value = 0.40495