学习案例主题：多组数据分析（t检验、单因素方差分析以及多重比较）
学习初衷：①与AI对接很耗时间②自己学会原理，不一定要每个都手敲，但是可以快速定位和优化AI的代码③我们不会因为有了计算器而放弃学数学，学习代码是不是也是这样？
上一篇完成了脚本解释说明、工具调用和数据文件获取及清洗等内容深度学习python代码处理科研测序数据（不想学的话可以直接拿走代码）-上，本篇重点对数据进行多组数据分析。
快速浏览本文结构：
3.1 数据抬头摘要及P值定义
3.2 数据分析（描述统计 → ANOVA → 事后比较）
3.3 数据分析（t检验）
3.4 生成图片文件名描述与绘图准备
3.5 生成柱状图
3.6 生成箱型图
3.7 保存结果及完成提示
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
三、数据统计与分析
3.1 数据抬头摘要及P值定义
print("\n" + "=" * 70)``print("各组统计摘要")``print("=" * 70)``stats_df = df_clean.groupby(group_col)[value_col].agg(['count', 'mean', 'std', 'min', 'max'])``stats_df.columns = ['样本数', '均值', '标准差', '最小值', '最大值']``stats_df['均值'] = stats_df['均值'].round(2)``stats_df['标准差'] = stats_df['标准差'].round(2)``print(stats_df)``# ========== 7. 定义p值星号函数 ==========``def stars(p):`` if p < 0.001:`` return "***"`` elif p < 0.01:`` return "**"`` elif p < 0.05:`` return "*"`` else:`` return "ns"
第1-4行，展示抬头；
第5行：使用清洗后的数据分组计算"'count', 'mean', 'std', 'min', 'max'"；
第6行转化为中文；
第7-8行将计算的均值和标准差保留2位小数，别忘了此处有个赋值操作。如下图
第10-19是P值赋值，按照科学论文中的标准表示法：*** p < 0.001；** p < 0.01；* p < 0.05；ns 或留空 p ≥ 0.05。因为满足要求，return会结束函数，故阈值要从严到宽。
3.2 数据分析（描述统计 → ANOVA → 事后比较）
print("\n" + "=" * 70)``print("单因素方差分析 (ANOVA)")``print("=" * 70)``data_by_group = [df_clean[df_clean[group_col] == g][value_col].values for g in groups]``if len(groups) >= 2:`` f_stat, p_value = f_oneway(*data_by_group)`` print(f"F统计量 = {f_stat:.4f}")`` print(f"p值 = {p_value:.4f}")`` print(f"显著性：{stars(p_value)}")`` `` if p_value < 0.05:`` print("结论：各组之间存在显著差异")`` else:`` print("结论：各组之间无显著差异")`` # 事后检验`` if p_value < 0.05 and len(groups) > 2:`` print("\n" + "=" * 70)`` print("事后检验 (Tukey HSD 多重比较)")`` print("=" * 70)`` tukey = pairwise_tukeyhsd(df_clean[value_col], df_clean[group_col], alpha=0.05)`` print(tukey)
第1-4说明展示，如前，不多解释了。
重点解释第5行：按组别提取数据，转换成列表形式，"[[10, 12, 11], [20, 24, 22], [30, 31, 29]]"
"data_by_group = [df_clean[df_clean[group_col] == g][value_col].values for g in groups]"：g代表组别（比如A、B、C组），筛选出对应A（B、C组）组的所有行（比如A组共有3行数据23,24,25）------筛选行
"data_by_group = [df_clean[df_clean[group_col] == g][value_col].values for g in groups]"：提取上述所有行的值------选择列
"data_by_group = [df_clean[df_clean[group_col] == g][value_col].values for g in groups]"：将数值转换成数组，如[23 24 25]-------转成numpy数组
第7行：f_stat：它是方差分析（ANOVA）计算出来的一个数字，用来判断各组均值之间是否存在显著差异。
f_stat = 组与组之间的差异 ÷ 组内部个体的差异。p值：如果各组实际上没有差异，你看到这么大差异的可能性有多大。p值越小，越说明"差异不是偶然"。F代表差异的大小，P代表差异是否可靠。如果F越大，P越小，说明数据之间有差异，且差异显著。
第8行："F统计量 = {f_stat:.4f}" 4f保留4为小数；f-string：在字符串前面加个 f ，这样字符串里的 {变量名} 就会被自动替换成变量的值。举例说明，如下图
第16行：事后检验<多重比较>，用于找出具体哪些组之间存在显著差异ANOVA：三组之间有差异吗？→ 只能告诉你有差异
Tukey HSD：哪两组之间有差异？→ 具体指出 A和B、A和C、B和C
reject（True）：有足够证据证明两组有差异，默认有差异。 reject（False）：没有足够的证据证明有差异，默认无差异
3.3 数据分析（t检验）
print("\n" + "=" * 70)``print("两组间t检验（各组 vs 对照组）")``print("=" * 70)``control_group = groups[0]``control_data = df_clean[df_clean[group_col] == control_group][value_col]``ttest_results = []``p_values_for_plot = []``for group in groups[1:]:`` group_data = df_clean[df_clean[group_col] == group][value_col]`` t_stat, p_val = ttest_ind(control_data, group_data)`` p_values_for_plot.append(p_val)`` `` pooled_std = np.sqrt((control_data.var() + group_data.var()) / 2)`` cohens_d = (group_data.mean() - control_data.mean()) / pooled_std`` `` ttest_results.append({`` "组别": group,`` "对照组": control_group,`` "均值差": f"{group_data.mean() - control_data.mean():.2f}",`` "t值": f"{t_stat:.3f}",`` "p值": f"{p_val:.4f}",`` "显著性": stars(p_val),`` "Cohen's d": f"{cohens_d:.3f}"`` })``df_ttest = pd.DataFrame(ttest_results)``print(df_ttest.to_string(index=False))
代码注释：相比对照组，每个实验组是否有显著差异，差异有多大。
前4行：结果展示说明。第5-6行：选第一组为对照组，获取对照组数据
第7-8行：保存实验组的统计结果，画p值。
如果没有这两行，最终返回的结果是最后一个，相当于，做了统计但是未记录下来，被后来的覆盖了
第9行：遍历，从第二组开始，每个组依次与对照组比较。第10行，命名实验组，且确定实验组的逻辑。第11-12行，做独立样本t检验，存好P值。
第14-15行，差异的实际大小（标准化后的效应量），告诉你"即使p值显著，这个差异到底有没有实际价值"。p值显著 + 大效应量 → 既有统计意义又有实际意义。
第17-26行，将t检验所有结果存在excel表格中。第27行，打印到终端，显现出来。
恭喜你！数据分析已完成，下面是图片生成，就相对比较简单了
3.4 生成图片文件名描述与绘图准备
today = datetime.now().strftime("%Y%m%d")``existing_files = [f for f in os.listdir(output_dir) if f.startswith(today)]``bar_count = len([f for f in existing_files if "柱状图" in f])``box_count = len([f for f in existing_files if "箱线图" in f])``bar_name = f"{today}_柱状图_{bar_count+1}.png"``box_name = f"{today}_箱线图_{box_count+1}.png"``bar_path = os.path.join(output_dir, bar_name)``box_path = os.path.join(output_dir, box_name)``print(f"\n图片将保存为：")``print(f" 柱状图：{bar_name}")``print(f" 箱线图：{box_name}")``# ========== 11. 绘图数据准备 ==========``means = df_clean.groupby(group_col)[value_col].mean()``stds = df_clean.groupby(group_col)[value_col].std()
第1-7获取当前日期+列出输出文件夹今天已存在的所有文件，统计以今天日期的柱状图/箱型图文件数，累加生成以[日期20260512_柱状图_1]的文件
第8-12行：生成两种图形的保存位置，打印到终端
第14-15行，分组计算平均值和标准差（柱状图的误差线）
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
3.5 生成柱状图
（柱状图需要平均值和标准差）
print("\n生成柱状图...")``fig1, ax1 = plt.subplots(figsize=(12, 7))``colors = ['#2ecc71'] + ['#3498db'] * (len(groups)-1)``bars = ax1.bar(range(len(groups)), means, yerr=stds, capsize=5,`` color=colors, alpha=0.8, edgecolor='black', linewidth=1)``ax1.set_xticks(range(len(groups)))``ax1.set_xticklabels(groups, rotation=45, ha='right')``ax1.set_ylabel(value_col, fontsize=12)``ax1.set_xlabel(group_col, fontsize=12)``ax1.set_title('各组数据比较 (均值 ± 标准差)', fontsize=14, fontweight='bold')``ax1.grid(True, alpha=0.3, axis='y')``# 标注显著性``if len(groups) >= 2:`` y_max = (means + stds).max()`` for i, p_val in enumerate(p_values_for_plot):`` star = stars(p_val)`` if star != 'ns':`` y_position = means.iloc[i+1] + stds.iloc[i+1] + y_max * 0.03`` ax1.text(i+1, y_position, star, ha='center', fontsize=14,`` fontweight='bold', color='red')``# 图例说明``ax1.text(0.02, 0.98, '显著性标注：* p<0.05, ** p<0.01, *** p<0.001\nns = 不显著',`` transform=ax1.transAxes, fontsize=10, verticalalignment='top',`` bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5))``plt.tight_layout()``plt.savefig(bar_path, dpi=150, bbox_inches='tight')``plt.close(fig1)
第4行：在"画纸"ax1上画出一个大小为12,7的图片fig1
第5行：对照组和除对照组以外的组设置颜色（绿、蓝）
第6-7行：bars是存储变量，后续可以修改；bar是柱状图；range是范围，代表所有组（每个组需要平均值，误差线，误差线上横，颜色，透明度，边框色，边框粗细）
第8-11行："画纸"，遍历组别，画小竖线；给小竖线对应上名字，斜度45℃，右对齐（当标签是斜着的时候，右对齐看起来最整齐）；设置y轴和x轴坐标轴标题，字体12号
第12-13行：图标题写"各组数据比较（均值±标准差）"，字号14，加粗；加横向网格线（true：打开网格线，透明度：浅，y轴方向画，即画水平线）
第15-20行：显著性在组数≥2才启动；最大组的平均值和误差值的和赋给变量y_max（用作富余量的百分比计算，担心星号碰到柱子）；给P值列表标记：第几组+P值。
enumerate类似标签作用，Python内置函数，举例"给班级所有人一人一个号码牌"；把p值转化成星号；"!="在编程中是不等于的意思，ns = n ot significant；python一般i从0开始数，所以i+1就是实验组的第一个，iloc定位，pandas的方法，举例"按照号码牌叫人"，在y=平均值+误差+y_max*0.3处添加星号。
第21-22行：在"画纸"上画（组数，高度，画星星，水平居中，14号字，粗体，红色）
第23-29行图例（显著性的等级说明）
柱状图如下：
3.6 生成箱型图
（箱型图需要原始数据，计算中位数、四分位数、异常值、最大值和最小值）
print("生成箱线图...")``fig2, ax2 = plt.subplots(figsize=(12, 7))``box_data = [df_clean[df_clean[group_col] == g][value_col].values for g in groups]``bp = ax2.boxplot(box_data, labels=groups, patch_artist=True, showmeans=True)``for patch, color in zip(bp['boxes'], colors):`` patch.set_facecolor(color)`` patch.set_alpha(0.7)``for median in bp['medians']:`` median.set_color('red')`` median.set_linewidth(2)``for mean in bp['means']:`` mean.set_marker('o')`` mean.set_markerfacecolor('yellow')`` mean.set_markeredgecolor('black')`` mean.set_markersize(6)``ax2.set_xticklabels(groups, rotation=45, ha='right')``ax2.set_ylabel(value_col, fontsize=12)``ax2.set_xlabel(group_col, fontsize=12)``ax2.set_title('各组数据箱线图', fontsize=14, fontweight='bold')``ax2.grid(True, alpha=0.3, axis='y')``plt.tight_layout()``plt.savefig(box_path, dpi=150, bbox_inches='tight')``plt.close(fig2)
第4行：g就相当于i的角色，都是遍历。
for i in range（拿着号码牌，将号码牌分给组别），for g in groups，直接取组别。
第5行：ax2.boxplot画箱型图；原始数据；每组对应标签；patch_artist和showmeans都是设置动作，True设置为实心可改颜色/显示均值，如果是False，是默认，不能更改或无。
第6-16行：箱子：绿色/蓝色半透明 的盒子；中位数：箱子中间一条粗红线；均值 ：盒子里的黄色圆点（带黑边）
修改颜色（colors柱状图有定义和透明度alpha）；修改中位数线（红色，加粗到2）；修改均值点（设为圆形，默认可能是菱形或三角形，圆形内部填充黄色，边框设置黑色，点大小6像素）
第17-21行：同柱状图，xy轴标签，分组，图标题，加线等。
第22-24行：plt：图；tight：紧凑的，裁掉多余空白部分；layout：合理布局；dpi像素；24行关闭图片。
箱型图如下：
3.7 保存结果及完成提示
print("\n保存分析结果...")``result_file = os.path.join(output_dir, f"{today}_分析结果.xlsx")``with pd.ExcelWriter(result_file, engine='openpyxl') as writer:`` stats_df.to_excel(writer, sheet_name='统计摘要')`` `` if len(groups) >= 2:`` anova_df = pd.DataFrame({`` '指标': ['F统计量', 'p值', '显著性'],`` '数值': [f_stat, p_value, stars(p_value)]`` })`` anova_df.to_excel(writer, sheet_name='方差分析', index=False)`` `` if len(ttest_results) > 0:`` df_ttest.to_excel(writer, sheet_name='t检验_vs对照组', index=False)``# ========== 15. 完成提示 ==========``print("\n" + "=" * 70)``print("分析完成！")``print("=" * 70)``print(f"\n输出文件夹：{output_dir}")``print(f"数据文件：{os.path.basename(file_path)}")``print(f"分析结果：{os.path.basename(result_file)}")``print(f"柱状图：{bar_name}")``print(f"箱线图：{box_name}")``print("\n" + "=" * 70)``# 防止窗口闪退``input("按 Enter 键退出...")
第3行：结果文件设置：路径-命名（如，20260512_分析结果）
第4行：openpyxl：打开；pd的excel编辑器，写；with...as writer：自动打开和关闭（类似ctrl+s自动保存）
第5行：把 stats_df（每组样本量、均值、标准差等）保存到名为 "统计摘要" 的sheet里。
第7-12行：把指标（F、P、显著性）和数值（计算结果）保存到名为"方差分析"的sheet里。
第14-15行：把t检验的结果保存到名为"t检验_vs对照组"的sheet里
第17-25打印展示，如下图：
为方便大家学习 这里给大家整理了一份学习资料包 需要的同学 根据下图自取即可
