この記事で何ができるようになるか 1. データの正規性や等分散性も考慮した検定法の選択 2. パラ・ノンパラメトリックの多重検定 3. 一覧性の高いヒートマップによる結果図示 はじめに 自分は大学院で生物学を専攻しています。 Pythonは実験データをグラフで解析するのに非常に有用ですが、種々の検定(特に群間の有意差検定)を行うライブラリが少なく、結構困っていました。 解決策として Rでやる。 Rの関数をPythonで実装する。 等が考えられます。(2に関してはRpy2を導入すれば一応できました) しかし、どうしてもPythonでノンパラメトリック検定などを動かしたい! そこで第3の手法 scilit_posthocs というライブラリを使ってノンパラメトリック検定を実装することにしました。 scikit_posthocsの実装にしか興味がありませんでしたら、一気に下の目次まで飛んで頂ける
![Pythonで統計検定(多重検定) : scikit_posthocs - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/f48abf92d37d4a16446678b9a018005a732e8c55/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9UHl0aG9uJUUzJTgxJUE3JUU3JUI1JUIxJUU4JUE4JTg4JUU2JUE0JTlDJUU1JUFFJTlBJUVGJUJDJTg4JUU1JUE0JTlBJUU5JTg3JThEJUU2JUE0JTlDJUU1JUFFJTlBJUVGJUJDJTg5JTIwJTNBJTIwc2Npa2l0X3Bvc3Rob2NzJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1lYjg4YjBiN2U1YWE3ZjM3ZWM3YjQxODQzNGU4MGI0MA%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDByb2xhX3NhdG9ydSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9M2FmMzIwZTQ1M2NlMDQ3NDVmNmE5OWU1ZjQ4YjBhZjE%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3De80c1f5e30120eab39417c7cffe737fb)