permutation_test 0.18

这是什么

Fisher排列检验的实现。

该检验在以下出版物中描述

• Fisher, R. A. (1935). 实验设计。1935. Oliver and Boyd, Edinburgh。

• Ernst, M. D. (2004). 排列方法：精确推断的基础。统计科学，19(4)，676-685

如何安装它

使用pip安装

$ pip install permutation_test

命令行脚本使用方法

示例

permtest [path/to/data.csv] [groups_colname] [reference_group_name] -t [test_group_name]

使用帮助获取参数信息

$ permtest -h

usage: permtest [-h] [-t TESTGROUP]
            input_filepath treatment_column_name referencegroup

positional arguments:
  input_filepath        e.g. path/to/my/data.csv, path to csv file with data
  treatment_column_name
                        name of column in the csv table that specifies the
                        group
  referencegroup        name of the reference group as named in the csv table

optional arguments:
  -h, --help            show this help message and exit
  -t TESTGROUP, --testgroup TESTGROUP
                        name of the test group as named in th csv table. If
                        not defined, test group is determined automatically.
   -a ALPHA, --alpha ALPHA
                         significance level alpha (between 0 and 1) If not
                         defined, alpha is set to 0.05.
   -m MULTI_COMP_CORR, --multi_comp_corr MULTI_COMP_CORR
                         perform multiple comparison correction with benjamini
                         hochberg procedure yes/no, If not defined, correction
                         is performed.

csv文件中数据结构的规范

• csv应包含逗号分隔值。至少有一列包含测量数据。

• 所有列都需要在第一行指定名称。

• 一列包含组的名称

示例 my_data.csv

要对所有实验进行测试，其中 condition_1 是参考，condition_2 是测试数据，请运行以下命令

$ permtest my_data.csv group_names condition_1 -t condition_2

通常，将输出保存到文本文件中是很方便的

$ permtest my_data.csv group_names condition_1 -t condition_2 > my_test_result.txt

Python库使用示例

>>> import permutation_test as p
>>> data = [1,2,2,3,3,3,4,4,5]
>>> ref_data = [3,4,4,5,5,5,6,6,7]

>>> p_value = p.permutation_test(data, ref_data)
taking random subsample of size 20000 from 48620 possible permutations
nr of mean diffs: 20000


 Distribution of mean differences
                                       │
                                    *  ┼+1.73038
                                       │  *
                                       │
                                 *     │      *
                                       │
                              *        │         *
                                       │
                                       │
                          *            │             *
                                       │
                                       │
                       *               │                *
                                       │
                    *                  │                   *
                                       │
                *                      │                       *
         *   *                         ┼+0.037                    *   *
───┼*****─***─**─***─**─**─***─**─**─**┼**─***─**─***─**─**─***─**─***─*****┼───
    -2.38713                           │                            +2.39919
mean difference of tested dataset: -2.0
p_value: 0.00345
p_lower_than (probability that mean of test data is not lower than mean of ref data): 0.00345
p_value_greater_than (probability that mean of test data is not greater than mean of ref data): 0.9998
0.0034500000000000121

ASCII艺术图显示了排列的平均差异分布。ASCII艺术图由Morgan Fouesneau的绘图包[AP](https://github.com/mfouesneau/asciiplot)完成。

如果可能的组合数大于n_combinations_max，则随机抽取n_combinations_max大小的子样本进行直方图计算。

如果detailed为False，则只返回（双向）p值，即数据与ref_data不同的概率

如果detailed为True，则在字典中返回单侧p值和平均差异的直方图数据

hist_data：所有排列的平均差异分布

克里斯托夫·莫尔，图像和数据分析设施/核心设施，德国神经退行性疾病研究中心（DZNE）在亥姆霍兹协会德国神经退行性疾病研究中心（DZNE）