[英]Is it possible to test for significance using seaborn barplots in Python?
我有一個pandas.DataFrame
:
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
此數據可很好地與被繪制seaborn
和matplotlib
(假設上面的數據被分配給一個變量稱為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))
這是輸出:
但是,我真正想做的是執行 t 檢驗以測試組之間的統計顯着性(理想情況下,對於所有 n 選擇 2 個變量組合,但現在讓我們在第一個和第二個時間點的陰性對照之間說一下) . 有人知道seaborn
是否支持這一點,或者知道對這些數據進行 t 檢驗的另一種方法嗎? 此外,我已經看到seaborn
支持引導統計,如果我也能獲得 t 檢驗的置信區間,那就太好了,盡管這確實是外圍。
謝謝您的幫助
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.