1

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：

在此处输入图像描述

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

4

1 回答 1

0

看看statannot库。这是很不错的。做就是了

pip install statannot

这里有大量示例，您可以根据自己的需要进行调整

于 2021-04-02T14:05:45.720 回答