我有一个pandas.DataFrame
看起来像这样的:
Group Replicate Time Normed
0 5ng/mLTGFb 1 1 0.924876
1 5ng/mLTGFb 1 2 0.891171
2 5ng/mLTGFb 1 3 0.928782
3 5ng/mLTGFb 1 4 0.842967
4 5ng/mLTGFb 2 1 0.908404
5 5ng/mLTGFb 2 2 0.886511
6 5ng/mLTGFb 2 3 0.911488
7 5ng/mLTGFb 2 4 0.875320
8 5ng/mLTGFb 3 1 0.921771
9 5ng/mLTGFb 3 2 0.887204
10 5ng/mLTGFb 3 3 0.828524
11 5ng/mLTGFb 3 4 0.873509
12 Glyco0.8% 1 1 0.883661
13 Glyco0.8% 1 2 0.823874
14 Glyco0.8% 1 3 0.875522
15 Glyco0.8% 1 4 0.859953
16 Glyco0.8% 2 1 0.880971
17 Glyco0.8% 2 2 0.832171
18 Glyco0.8% 2 3 0.885903
19 Glyco0.8% 2 4 0.859308
20 Glyco0.8% 3 1 0.894803
21 Glyco0.8% 3 2 0.856890
22 Glyco0.8% 3 3 0.862479
23 Glyco0.8% 3 4 0.846343
24 Glyco2.4% 1 1 0.883367
25 Glyco2.4% 1 2 0.859378
26 Glyco2.4% 1 3 0.893720
27 Glyco2.4% 1 4 0.852863
28 Glyco2.4% 2 1 0.871003
29 Glyco2.4% 2 2 0.840247
30 Glyco2.4% 2 3 0.880209
31 Glyco2.4% 2 4 0.849866
32 Glyco2.4% 3 1 0.906474
33 Glyco2.4% 3 2 0.893899
34 Glyco2.4% 3 3 0.861791
35 Glyco2.4% 3 4 0.841760
36 Glyco4.8% 1 1 0.909556
37 Glyco4.8% 1 2 0.867863
38 Glyco4.8% 1 3 0.875383
39 Glyco4.8% 1 4 0.849258
40 Glyco4.8% 2 1 0.912481
41 Glyco4.8% 2 2 0.862332
42 Glyco4.8% 2 3 0.898971
43 Glyco4.8% 2 4 0.851969
44 Glyco4.8% 3 1 0.920611
45 Glyco4.8% 3 2 0.858697
46 Glyco4.8% 3 3 0.877669
47 Glyco4.8% 3 4 0.842820
48 NegativeControl 1 1 0.896742
49 NegativeControl 1 2 0.828705
50 NegativeControl 1 3 0.898466
51 NegativeControl 1 4 0.840793
52 NegativeControl 2 1 0.889273
53 NegativeControl 2 2 0.830354
54 NegativeControl 2 3 0.838096
55 NegativeControl 2 4 0.843467
56 NegativeControl 3 1 0.859525
57 NegativeControl 3 2 0.823689
58 NegativeControl 3 3 0.833555
59 NegativeControl 3 4 0.840500
seaborn
这个数据可以用and很好地绘制matplotlib
(假设上面的数据被分配给一个名为 的变量normed
)
import matplotlib.pyplot as plt
import seaborn as sns
sns.barplot(x='Time',y='Normed',data=normed,hue='Group')
plt.legend(loc=(1,0.3))
这是输出:
但是,我真正想做的是执行 t 检验来测试组之间的统计显着性(理想情况下,所有 n 选择 2 个变量组合,但现在让我们在第一个和第二个时间点的阴性对照之间说) . 有人知道是否seaborn
支持这一点或知道对此数据执行 t 检验的另一种方法吗?此外,我已经看到seaborn
支持自举统计,如果我能获得 t 检验的置信区间,那就太好了,尽管这确实是外围的。
谢谢您的帮助