Eu tenho um arquivo de lista bidimensional (nome - 'hcl_file'). Uma versão reduzida do arquivo para maior clareza. Número de observações verticais, 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

Eu sou novo em programação. Você poderia me dizer como posso calcular a significância das diferenças entre os tipos I, II, III e depois fazer um ajuste de BH (Bennamini e Hochbberg)? Para evitar mal-entendidos, deixe-me esclarecer que estamos conduzindo um experimento para diferentes grupos (I, II, III) e localizamos o valor p para eles, mas repetimos isso para outros dados que requerem ajuste do valor p para comparações múltiplas . Tenho dificuldade em fazer isso em um ciclo, por favor, informe a direção de mais movimentos. Meu script:

para linha em hcl_file:

     substrings = (len(line))

enquanto j <substrings:

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