问题描述
给定以下数组:
testvar
我想对各个样本的每个切片运行一次 Mann-Whitney(-Wilcoxon) U 检验,并将结果填充到一个输出数组中,其中一个切片用于 U 统计量,另一个切片用于 p 值。 我知道我可以像这样单独运行它们:
import numpy as np
from scipy.stats import mannwhitneyu
s1 = np.array([[1,2,3,4,5,6,7,8,10],[10,9,1]])
s2 = np.array([[1,11,15,13,1]])
输出:
r1 = mannwhitneyu(s1[0],s2[0])
r2 = mannwhitneyu(s1[1],s2[1])
所需的输出:
MannwhitneyuResult(statistic=39.5,pvalue=0.2239039981060696)
MannwhitneyuResult(statistic=37.0,pvalue=0.17162432050520815)
我尝试过 array([39.5,0.2239039981060696],[ 37.0,0.17162432050520815])
但数组参数只接受一个输入,而我有 2 个。
此外,我需要尽可能最快的解决方案,因为我将在模拟过程中对数千个切片执行此操作。
提前致谢!
解决方法
您可以使用 map(...)
,这是最好的选择,并且比 np.apply_along_axis(...)
快得多,因为它在内部使用 python loop,以及一些计算成本高的操作 ie transpose(...)
和 view(...)
,因此在通常情况下,即使使用 python 循环遍历 Numpy 数组也会更快。
import numpy as np
from scipy.stats import mannwhitneyu
s1 = np.array([[1,2,3,4,5,6,7,8,10],[10,9,1]])
s2 = np.array([[1,11,15,13,1]])
idx = np.arange(len(s1))
def step(i):
return [*mannwhitneyu(s1[i],s2[i])]
np.array(list(map(step,idx)))