Scipy - 两组间的统计检验

Question

我有两个来自大脑神经元群体的样本，每个样本由一千个神经元实例组成，类别：

1. 小脑
2. 皮质

现在我正在使用复杂的网络分析为每个样本提取多个指标，例如，神经元连接度 k，一个离散数 n = 0、1、....、n 或聚类系数 C，一个介于 0.00000 和 1.00000 之间的连续值。

df.sample(3)（其中 web 是类别）在我的 pandas 数据框中：

皮质：

         web    k   clustering_coeff
3080    cortex  6.0         0.733333        
2951    cortex  11.0        0.428571    
1435    cortex  5.0         0.563571    

...

小脑

815 cerebellum  10.0        0.533333    
850 cerebellum  9.0         0.416667    
1213 cerebellum 7.0         0.454545
...

---

我如何使用 scipy stats 方法来比较两个指标，以便了解两个组之间是否存在统计显着差异？

假设分布接近高斯分布，但偏向右侧，我不确定什么是最佳方法。参数化、非参数化、T检验等。

有什么想法吗？

Answer 1

对于“k”指标：

stats.mannwhitneyu(df.loc[df.web=="cortex", "k"], df.loc[df.web=="cerebellum", "k"])

对于“clustering_coeff”指标：

stats.mannwhitneyu(df.loc[df.web=="cortex", "clustering_coeff"], df.loc[df.web=="cerebellum", "clustering_coeff"])

如果您对考试中的分布一无所知，通常使用 non-parametric 测试。