将比例 z 检验应用于数据框中的每条记录

Question

我有下面的代码，我试图将一个样本比例 ztest 应用于我数据中每一行的值。我有以下来自我的数据框 df 的示例数据。我正在尝试将每个价值比例与从计数值中获得的比例和从 obs 中的值获得的试验次数进行比较。我想要每条记录的 p 值。相反，我似乎为所有记录获得了一个 p 值。我在下面有几行所需的输出来说明我的意思。有人可以指出我做错了什么，以及如何解决它？或者建议一种更巧妙的方式来做到这一点？似乎真的应该有一种方法可以用熊猫来做到这一点。

# code:

def pvl(x):
    return sm.stats.proportions_ztest(x['count'], 
                              x['value'],
                              x['obs'], 
                              alternative='larger')[1]



df['pval']=df.apply(pvl,
                    axis=1
      )



# sample data:

print(df)

count   value     obs                         
211.0  0.013354  15800.0
18.0   0.001139  15800.0
310.0  0.019620  15800.0
114.0  0.007215  15800.0
 85.0  0.005380  15800.0


# sample output:

count   value     obs     pval                      
211.0  0.013354  15800.0  0.5
18.0   0.001139  15800.0  0.5
310.0  0.019620  15800.0  0.5
114.0  0.007215  15800.0  0.5
 85.0  0.005380  15800.0  0.5


# desired output:

count   value     obs     pval                      
211.0  0.013354  15800.0  0.49
18.0   0.001139  15800.0  4.1454796845134295e-41
310.0  0.019620  15800.0  0.9999999999965842

Answer 1

你的 pvl 函数有错误。 stats 模型中的proportion_ztest() 函数按以下顺序接受输入：count、nobs、value。因此，您应该将函数定义为：

def pvl(x):
    return sm.stats.proportions_ztest(x['count'], x['obs'], 
                          x['value'], alternative='larger')[1]

但是，根据您的数据，我得到的结果非常接近 0.5，而不是您列为所需输出的结果。我想知道您是如何获得第二个和第三个结果的，因为它们对我来说似乎是错误的（除非我误解了您的问题）。