permutation_test 0.18

它是什么

fisher置换检验的实现。

以下出版物介绍了该测试：

• 费舍尔，R.A.（1935）。实验设计。1935年。奥利弗和博伊德，爱丁堡。
• 恩斯特，医学博士（2004）。排列方法：精确推断的基础。统计科学，19（4），676-685

如何安装

使用pip安装：

$ pip install permutation_test

命令行脚本用法

示例：

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

使用“帮助”获取有关参数的信息：

$ 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文件中的数据结构规范

• csv应该包含逗号分隔的值。一个或多个列应包含测量数据。
• 所有列都需要有一个名称，在第一行中指定。
• 一列包含组的名称

示例my_data.csv：

要对所有实验执行测试，其中condition_1是引用，而condition_2是 测试数据，运行以下命令：

$ permtest my_data.csv group_names condition_1 -t condition_2

通常，将输出保存在文本文件中很方便：

$ 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

asccii艺术情节显示了排列的平均差的分布。 ascii艺术绘图是通过[ap]（https://github.com/mfouesneau/asciiplot）完成的，这是一个由morgan fouesneau设计的绘图包。

如果可能的组合数大于n_max， 取大小n_组合最大的随机子样本进行直方图计算。

如果detailed为false，则只返回（双面）p_值， 即，数据与参考数据无差异的概率

如果detailed为真，则为 平均差异以dict返回：

历史数据：所有排列的平均差分布 p_值：双面p_值（数据不存在的概率 不同于参考数据） p_值_小于：数据均值不等于 低于参考数据的平均值 p_值_大于：数据均值的概率为 不大于参考数据的平均值

克里斯托夫·莫尔， 图像和数据分析设备/核心设备， 赫尔姆霍兹-格梅因沙夫的Deutsches Zentrum Für神经退行性Erkrankungen E.V.（DZNE） 赫尔姆霍兹协会德国神经退行性疾病中心（DZNE）