#匯入python統計包
#import numpy as np
import scipy.stats as stats
#import scipy.optimize as opt
#開啟檔案
f1 = open("./metabolites.txt", "r")
#a代表追加,不覆蓋
f2 = open("./t.txt", "a")
#按照行讀取
lines = f1.readlines()
#每行進行讀取
i = 1
j = 7
for line in lines [1:]:
line_1 = line.strip().split(" ")
for i in range(1, len(line), 3):
g1 = line_1[i:i+3]
g2 = line_1[i+6:i+9]
#轉換為浮點數列表
x = [float(f) for f in g1]
y = [float(y) for y in g2]
#顯著相關及p值
#r, p = stats.pearsonr(x, y)
#t檢驗,若樣本大小、方差與比較組不同，在運用t檢驗時需要使用welch"s t-test
#即指定ttest_ind中的equal_var=false。
stat_var, p_var = stats.ttest_ind(x, y, equal_var=false)
print("%s %d %d: %f,%f"%(line_1[0], i, i+6, stat_var, p_var))
#print("%s %d %d: %f,%f"%(line_1[0],i,i+6,r,p))
#print(x, y)
#results_t = line[0] + " "+str(i)+" "+str(i+6)+ ":" + str(stat_var) + "," + str(p_var)
f2.write("%s %d %d: %f,%f "%(line_1[0], i, i+6, stat_var, p_var))
if i >= 28:
break
f1.close()
f2.close()
pythont多執行緒
import threading 執行緒模組 deffunction num pass thread 1 threading.thread target function,args 1,建立執行緒 thread 1.start 啟動執行緒 thread 1.getname 獲取執行緒名 thread...
python進行t檢驗
實現下圖中的檢驗 檢驗均值是否相等 當方差相等時 t檢驗 當方差不相等時 大樣本可以參考下圖 紅色字部分 小樣本不太清楚。成對樣本t檢驗 sample1 23.6,28.9,24.1,21.7,27.4,28.6,29.0,24.2,26.3,22.1 sample2 29.1,24.4,30.9,...
Python實現 MK檢驗
mk檢驗 時間序列進行檢測，並找出突變點，本文參考網上的matlab程式改寫為python 如下 import numpy as np import pandas as pd import matplotlib.pyplot as plt 讀取時間序列資料 data pd.read csv 定義時間...