如何在Python中执行邓恩检验

如果 Kruskal-Wallis 检验产生统计上显着的结果，则应使用Dunn 检验来确定哪些组是不同的。在您的 ANOVA 显示三个或更多均值的显着差异后，您可以应用邓恩检验来确定哪些特定均值与其他均值不同。 Dunn 的多重比较检验是一种非参数事后非参数检验，它不假定您的数据来自某个分布。

要执行 duns 测试，用户需要调用 scikit-posthocs 库中的 posthoc_dunn()函数。

posthoc_dunn()函数：

Syntax:

scikit_posthocs.posthoc_dunn(a, val_col: str = None, group_col: str = None, p_adjust: str = None, sort: bool = True)

Parameters:

• a : it’s an array type object or a dataframe object or series.
•  group_col : column of the predictor or the dependent variable
• p_adjust: P values can be adjusted using this method. it’s a string type possible values are :
  • ‘bonferroni’
  • hommel
  • holm-sidak
  • holm
  • simes-hochberg and more…

Returns: p-values.

安装 posthocs 库的语法：

pip install scikit-posthocs

这是一个假设检验，两个假设如下：

• 零假设：给定样本具有相同的中位数
• 备择假设：给定样本具有不同的中位数。

在本例中，我们导入包，读取 iris CSV 文件，并使用 posthoc_dunn()函数进行 dunns 测试。对三种植物的萼片宽度进行了邓恩检验。

单击此处查看和下载 CSV 文件。

Python3

# importing packages and modules
import pandas as pd
import scikit_posthocs as sp
 
# reading CSV file
dataset= pd.read_csv('iris.csv')
 
# data which contains sepal width of the three species
data = [dataset[dataset['species']=="setosa"]['sepal_width'],
        dataset[dataset['species']=="versicolor"]['sepal_width'],
        dataset[dataset['species']=="virginica"]['sepal_width']]
 
# using the posthoc_dunn() function
p_values= sp.posthoc_dunn(data, p_adjust = 'holm')
 
print(p_values)

输出：

• 对于第 1 组和第 2 组之间的差异，调整后的 p 值为 3.247311e-14
• 对于第 2 组和第 3 组之间的差异，调整后的 p 值为 1.521219e-02

我们进一步检查 p_values 是否高于显着性水平。 false 表示两组具有统计显着性或拒绝原假设。

Python3

p_values > 0.05

输出：

在本例中，我们将显着性水平设为 0.05。没有两组（物种）具有统计学意义，因为没有两组的 p_value 超过 0.05。因此，我们可以说原假设为假，而备择假设为真。