一种计算 Pandas 奇数比的更好方法

Question

我有一个数据框 counts1，它看起来像：

Factor            w-statin  wo-statin
AgeGroups Cancer                     
0-5       No           108       6575
          Yes            0        223
11-15     No             5       3669
          Yes            1        143
16-20     No            28       6174
          Yes            1        395
21-25     No            80       8173
          Yes            2        624
26-30     No           110       9143
          Yes            2        968
30-35     No           171       9046
          Yes            5       1225
35-40     No           338       8883
          Yes           21       1475

我想计算优势比（w-statin/wo-statin）。我像在纸上那样做旧风格：

counts1['sumwwoStatin']= counts1['w-statin']+counts1['wo-statin']

counts1['oddRatio']=((counts1['w-statin']/counts1['sumwwoStatin'])/(counts1['wo-statin']/counts1['sumwwoStatin']))

有没有更好的方法来计算 Pandas 中的优势比、相对风险、列联表和卡方检验，就像在 R 中一样？任何建议表示赞赏。哦对了，我忘了说我的 csv 是什么样子的：

    Frequency Cancer     Factor AgeGroups
0         223    Yes  wo-statin       0-5
1         112    Yes  wo-statin      6-10
2         143    Yes  wo-statin     11-15
3         395    Yes  wo-statin     16-20
4         624    Yes  wo-statin     21-25
5         968    Yes  wo-statin     26-30
6        1225    Yes  wo-statin     30-35
7        1475    Yes  wo-statin     35-40
8        2533    Yes  wo-statin     41-45
9        4268    Yes  wo-statin     46-50
10       5631    Yes  wo-statin     52-55
11       6656    Yes  wo-statin     56-60
12       7166    Yes  wo-statin     61-65
13       8573    Yes  wo-statin     66-70
14       8218    Yes  wo-statin     71-75
15       4614    Yes  wo-statin     76-80
16       1869    Yes  wo-statin     81-85
17        699    Yes  wo-statin     86-90
18        157    Yes  wo-statin     91-95
19         31    Yes  wo-statin    96-100
20          5    Yes  wo-statin      >100
21        108     No   w-statin       0-5
22          6     No   w-statin      6-10
23          5     No   w-statin     11-15
24         28     No   w-statin     16-20
25         80     No   w-statin     21-25
26        110     No   w-statin     26-30
27        171     No   w-statin     30-35
28        338     No   w-statin     35-40
29        782     No   w-statin     41-45
..

Answer 1

statsmodels 可用于在两个变量已经属于同一个 pandas 数据框的情况下估计优势比：

import statsmodels.api as sm

table = sm.stats.Table.from_data(df[['w-statin','wo-statin']])
rslt = table.test_nominal_association()
print(table.local_oddsratios)
print( rslt.pvalue )

Answer 2

我不知道如何在 Pandas 中执行此操作...但是，您可以通过首先使用 scikit-learn 库找到相应的 beta 来计算 Python 中逻辑回归模型的优势比值，此处描述：

How to find beta values in Logistic Regression model with sklearn

本主题介绍了如何从逻辑回归模型中生成和提取 Beta 系数。然后，您可以通过使用 Python 的 NumPy 包中的 exp() 函数对 Beta 值求幂来计算优势比。以这种方式计算的优势比将等同于 R 使用 glm() 函数提供的优势比，指定二项式分布。

Answer 3

AFAIK pandas 不提供统计计算和测试，除了均值、方差、相关性等基本矩...

但是，您可以依靠 scipy 来满足此要求。你会在那里找到大部分你需要的东西。例如，计算优势比：

import scipy.stats as stats

table = df.groupby(level="Cancer").sum().values
print(table)

>>> array([[  840, 51663],
           [   32,  5053]])

oddsratio, pvalue = stats.fisher_exact(table)
print("OddsR: ", oddsratio, "p-Value:", pvalue)

>>> OddsR:  2.56743220487 p-Value: 2.72418938361e-09

请参阅here 和here 了解更多信息。