如何用Python添加AB實驗顯著性標(biāo)注
在常規(guī)的實驗統(tǒng)計分析過程中，我們經(jīng)常需要在組間數(shù)據(jù)間添加顯著性標(biāo)注，而在統(tǒng)計學(xué)中，數(shù)據(jù)間的差異顯著性檢驗則是統(tǒng)計假設(shè)檢驗的一種，是一種對組間數(shù)據(jù)或組內(nèi)不同數(shù)據(jù)之間是否有差異以及差異是否明顯判斷方法。在R語言中，我們可以使用ggpupr包中stat_pvalue_manual()函數(shù)或者ggsignif包進(jìn)行繪制。
今天，小編給大家?guī)淼氖侨绾问褂?span style="color: rgb(0, 87, 255);margin: 1px;background: rgb(242, 242, 242);padding: 0.5px 2.5px;border-radius: 4px;line-height: 1.5em;">Python-Seaborn進(jìn)行顯著性統(tǒng)計圖表繪制，詳細(xì)內(nèi)容如下：
Python-Seaborn自定義函數(shù)繪制 Python-statannotations庫添加顯著性標(biāo)注
Python-Seaborn 自定義函數(shù)繪制
我們可以通過自定義繪圖函數(shù)的方式在統(tǒng)計圖表中添加顯著性標(biāo)注，這里我們直接使用Seaborn自帶的iris數(shù)據(jù)集進(jìn)行繪制，具體內(nèi)容如下：
自定義P值和星號對應(yīng)關(guān)系
由于是完全的自定義，這里需要定義一個函數(shù)將P值結(jié)果和對應(yīng)星號進(jìn)行轉(zhuǎn)化，代碼如下：
def?convert_pvalue_to_asterisks(pvalue):
????if?pvalue?<=?0.0001:
????????return?"****"
????elif?pvalue?<=?0.001:
????????return?"***"
????elif?pvalue?<=?0.01:
????????return?"**"
????elif?pvalue?<=?0.05:
????????return?"*"
????return?"ns"
scipy.stats 計算顯著性指標(biāo)
由于scipy.stats部分中提供多種顯著性檢驗方法，如T-test、ANOVA等，由于篇幅有限，這里只介紹scipy.stats.ttest_ind() t檢驗方法，詳細(xì)結(jié)算過程如下：
iris?=?sns.load_dataset("iris")
data_p?=?iris[["sepal_length","species"]]
stat,p_value?=?scipy.stats.ttest_ind(data_p[data_p["species"]=="setosa"]["sepal_length"],
?????????????????????????????????????data_p[data_p["species"]=="versicolor"]["sepal_length"],
?????????????????????????????????????equal_var=False)
上述結(jié)果就將P值計算，然后再通過之前定義的convert_pvalue_to_asterisks函數(shù)進(jìn)行轉(zhuǎn)換，得到星號表示形式。
可視化繪制
這一步主要使用自定義的繪圖方法進(jìn)行顯著性標(biāo)注繪制，詳細(xì)繪制代碼如下：
plt.rcParams['font.family']?=?['Times?New?Roman']
plt.rcParams["axes.labelsize"]?=?18
palette=['#0073C2FF','#EFC000FF','#868686FF']
fig,ax?=?plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
ax?=?sns.barplot(x="species",y="sepal_length",data=iris,palette=palette,
?????????????????estimator=np.mean,ci="sd",?capsize=.1,errwidth=1,errcolor="k",
?????????????????ax=ax,
?????????????????**{"edgecolor":"k","linewidth":1})
#?添加P值
x1,?x2?=?0,?1
y,h?=?data_p["sepal_length"].mean()+1,.2
#繪制橫線位置
ax.plot([x1,?x1,?x2,?x2],?[y,?y+h,?y+h,?y],?lw=1,?c="k")?
#添加P值
ax.text((x1+x2)*.5,?y+h,?"T-test:?"+?p_value_cov,?ha='center',?va='bottom',?color="k")
ax.tick_params(which='major',direction='in',length=3,width=1.,labelsize=14,bottom=False)
for?spine?in?["top","left","right"]:
????ax.spines[spine].set_visible(False)
ax.spines['bottom'].set_linewidth(2)
ax.grid(axis='y',ls='--',c='gray')
ax.set_axisbelow(True)
「注意」:這里由于是自定義繪制，在添加其他組間數(shù)據(jù)的顯著性編著時也采用相同方法。
在涉及較多組之間繪制P值是有沒有較為方便便捷的方法呢？下面小編介紹一個優(yōu)秀的第三方拓展庫進(jìn)行繪制。
Python-statannotations庫添加顯著性標(biāo)注
Python-statannotations庫則是針對Seaborn繪圖對象進(jìn)行顯著性標(biāo)注的專用庫，其可以提供柱形圖、箱線圖、小提琴圖等統(tǒng)計圖表的顯著性標(biāo)注繪制，計算P值方法基于scipy.stats方法，這里我們簡單列舉幾個示例演示即可，更多詳細(xì)內(nèi)容可參看：Python-statannotations官網(wǎng)[1]。
「樣例一」：
import?seaborn?as?sns
from?statannotations.Annotator?import?Annotator
df?=?sns.load_dataset("tips")
x?=?"day"
y?=?"total_bill"
order?=?['Sun',?'Thur',?'Fri',?'Sat']
fig,ax?=?plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
ax?=?sns.boxplot(data=df,?x=x,?y=y,?order=order,ax=ax)
pairs=[("Thur",?"Fri"),?("Thur",?"Sat"),?("Fri",?"Sun")]
annotator?=?Annotator(ax,?pairs,?data=df,?x=x,?y=y,?order=order)
annotator.configure(test='Mann-Whitney',?text_format='star',line_height=0.03,line_width=1)
annotator.apply_and_annotate()
ax.tick_params(which='major',direction='in',length=3,width=1.,labelsize=14,bottom=False)
for?spine?in?["top","left","right"]:
????ax.spines[spine].set_visible(False)
ax.spines['bottom'].set_linewidth(2)
ax.grid(axis='y',ls='--',c='gray')
ax.set_axisbelow(True)
「樣例二」：
import?seaborn?as?sns
import?matplotlib.pyplot?as?plt
plt.rcParams['font.family']?=?['Times?New?Roman']
plt.rcParams["axes.labelsize"]?=?18
#palette=['#0073C2FF','#EFC000FF']
palette=['#E59F01','#56B4E8']
#palette?=?["white","black"]
fig,ax?=?plt.subplots(figsize=(5,4),dpi=100,facecolor="w")
ax?=?sns.barplot(x="order",y="value",hue="class",data=group_data_p,palette=palette,ci="sd",
?????????????????capsize=.1,errwidth=1,errcolor="k",ax=ax,
?????????????????**{"edgecolor":"k","linewidth":1})
#?添加P值
box_pairs?=?[(("one","type01"),("two","type01")),
?????????????(("one","type02"),("two","type02")),
?????????????(("one","type01"),("three","type01")),
?????????????(("one","type02"),("three","type02")),
?????????????(("two","type01"),("three","type01")),
?????????????(("two","type02"),("three","type02"))]
annotator?=??Annotator(ax,?data=group_data_p,?x="order",y="value",hue="class",
??????????????????????pairs=box_pairs)
annotator.configure(test='t-test_ind',?text_format='star',line_height=0.03,line_width=1)
annotator.apply_and_annotate()
當(dāng)然，還可以設(shè)置灰色系顏色，如下：
「樣例三」如果針對組間數(shù)據(jù)進(jìn)行統(tǒng)計分析，可以設(shè)置pairs參數(shù)據(jù)如下：
box_pairs?=?[(("one","type01"),("one","type02")),
?????????????(("two","type01"),("two","type02")),
?????????????(("three","type01"),("three","type02"))]
其他比如抖動圖、橫向分組柱形圖等，可視化結(jié)果如下：
更多使用方法和樣例可參考文末參考資料~~
總結(jié)
本期的這篇推文，小編簡單的介紹了如何使用Python繪制顯著性標(biāo)注統(tǒng)計圖表，有自定義方法和優(yōu)秀的第三方包方法，希望對使用Python繪制統(tǒng)計圖表的小伙伴一些靈感~~
推薦閱讀
歡迎長按掃碼關(guān)注「數(shù)據(jù)管道」