p - ajuste de valor Prueba U de Mann-Whitney en python
Tengo un archivo de lista bidimensional (nombre - 'hcl_file'). Una versión abreviada del archivo para mayor claridad. Observaciones verticales, número de experimento horizontal:
ID type First Second Third
gerg I 0.02695 0 0.00135 0.31312
11P I 0.02695 0 0.00135 0.31312
112HP II 0.02695 0 0.00135 0.31312
1454HP II 0.02695 0 0.00135 0.31312
11544H III 0.02695 0 0.00135 0.31312
657BF III 0.02695 0 0.00135 0.31312
785DS III 0.02695 0 0.00135 0.31312
Soy nuevo en programación. ¿Podría decirme cómo puedo calcular la importancia de las diferencias entre los tipos I, II, III y luego hacer un ajuste de BH (Bennamini y Hochbberg)? Para evitar malentendidos, permítanme aclarar que estamos realizando un experimento para diferentes grupos (I, II, III) y encontrar el valor p para ellos, pero luego repetimos esto para otros datos que requieren un ajuste del valor p para comparaciones múltiples. . Tengo dificultades para hacer esto en un ciclo, por favor avise la dirección de un mayor movimiento. Mi guión:
para línea en hcl_file:
substrings = (len(line))
while j <subcadenas:
k1 = [] # list of values in I-st group
k2 = [] II
k3 = [] III
for line in hcl_file:
if line[1] == 'I':
v1 = float(line[j])
k1.append(v1)
elif line[1] == 'II':
v2 = float(line[j])
k2.append(v2)
elif line[1] == 'III':
v3 = float(line[j])
k3.append(v3)
import pandas
from scipy.stats import mannwhitneyu
print(mannwhitneyu(k1, k2))
j += 1