2021-01-25

R语言----三组以上类别做组件比较并计算两两之间的P值

## 自定义函数--生成比较表格--满足正态性--ANOVA;
tab_anova <- function(dat){
  groupNumber <- 3
  dat2 <- data.frame(t1=as.character(1:(groupNumber+1)))
  Star <- 3
  Over <- ncol(dat)
  for(i in c(Star:Over))
  {
    means<-tapply(dat[[i]],dat[[1]],mean)
    means<-sprintf('%.2f',round(means,4))  
    SD<-tapply(dat[[i]],dat[[1]],sd)
    SD<-sprintf('%.2f',round(SD,4)) 
    M.aov<-aov(dat[[i]]~group, data = dat)
    aov.sum<-summary(M.aov)
    pvalue<-aov.sum[[1]]$`Pr(>F)`[1]
    if (pvalue>0.05) {
      aa<-paste(means,'±',SD)
      pvalue<-sprintf('%.2f',round(pvalue,4))
      aa[(groupNumber+1)]<-pvalue
    }else if (pvalue>0.01) {
      out <- LSD.test(M.aov, "group", p.adj="bonferroni")
      marker<-out$groups
      row_name <- row.names(marker)
      newmarker <- data.frame(row_name,marker$groups)
      newmarker <- newmarker[order(newmarker$row_name),]
      pmarker<-newmarker$marker.groups
      aa<-paste(means,'±',SD,pmarker)
      pvalue<-sprintf('%.2f',round(pvalue,4)) 
      aa[(groupNumber+1)]<-paste(pvalue,'*')
    }else {
      out <- LSD.test(M.aov, "group", p.adj="bonferroni")
      marker<-out$groups
      row_name <- row.names(marker)
      newmarker <- data.frame(row_name,marker$groups)
      newmarker <- newmarker[order(newmarker$row_name),]
      pmarker<-newmarker$marker.groups
      aa<-paste(means,'±',SD,pmarker)
      pvalue<-sprintf('%.2f',round(pvalue,4))
      aa[(groupNumber+1)]<-paste(pvalue,'**')
    }
    
    dat2[i-2] <- aa
    names(dat2)[i-2]<-names(dat[i])
  }
  dat3 <- t(dat2)
  return(dat3)
}
## 自定义函数--生成比较表格--不满足正态性;
tab_Krus <- function(dat){
  groupNumber <- 3
  dat2 <- data.frame(t1=as.character(1:(2*groupNumber+1)))
  Star <- 3
  Over <- ncol(dat)
  for(i in c(Star:Over))
  {
    means<-tapply(dat[[i]],dat[[1]],mean)
    means<-sprintf('%.4f',round(means,4))  
    SD<-tapply(dat[[i]],dat[[1]],sd)
    SD<-sprintf('%.2f',round(SD,2))     
    a = kruskal.test(dat[[i]],dat[[1]])
    Pvalue<-a["p.value"]
    b = dunn.test(dat[[i]],dat[[1]], method = "bonferroni",kw = T)
    pvalue = b["P.adjusted"]
    P_value <- c(Pvalue[[1]],pvalue[[1]])
    P_value<-sprintf('%.2f',round(P_value,2)) 
    Results<-paste(means,'±',SD)
    for ( j in c(1:4)) {
      if(P_value[j]>0.05){
        Results[(groupNumber+j)]<-P_value[j]     
      }           
      else if(P_value[j]>0.01){
        Results[(groupNumber+j)]<-paste(P_value[j],'*')
      }
      else {
        Results[(groupNumber+j)]<-paste(P_value[j],'**')
      }
    }

    dat2[i-2] <- Results
    names(dat2)[i-2]<-names(dat[i])
  }
  dat3 <- t(dat2)
  dat3 <- data.frame(dat3)
  names(dat3) <- c("HC","PD","RBD","p.value")
  return(dat3)
}
```{r}
p_star <- function(p_value){
      p_value <- sprintf('%.3f',round(p_value,3))
      if(p_value > 0.05){
        p_value <- p_value    
      } else if(p_value > 0.01){
        p_value <- paste(p_value,'*')
      } else {
        p_value <- paste(p_value,'**')
      }
      return(p_value)
}
两组比较
```r
## 自定义函数--生成比较表格--不满足正态性;
tab_Krus <- function(dat,Star,Over){
  dat2 <- data.frame(t1=as.character(1:3))
  k = 1
  for(i in c(Star:Over))
  {
    means<-tapply(dat[[i]],dat[[1]],mean)
    means<-sprintf('%.3f',round(means,3))  
    SD<-tapply(dat[[i]],dat[[1]],sd)
    SD<-sprintf('%.3f',round(SD,3))     
    a = kruskal.test(dat[[i]],dat[[1]])
    P_value<-a$p.value
    Results<-paste(means,'±',SD)
    Results[3]<-p_star(P_value)  
    dat2[k] <- Results
    names(dat2)[k]<-names(dat[i])
    k = k+1
  }
  dat3 <- t(dat2)
  dat3 <- data.frame(dat3)
  names(dat3) <- c("HC","PD","p.value")
  return(dat3)
}

使用python的pymsql完成如下:表结构与数据创建 1. 建立 `users` 表和 `orders` 表。 `users` 表有用户ID、用户名、年龄字段,(id,name,age) `orders` 表有订单ID、订单日期、订单金额,用户id字段。(id,order_date,amount,user_id) 2 两表的id作为主键,`orders` 表用户id为users的外键 3 插入数据 `users` (1, '张三', 18), (2, '李四', 20), (3, '王五', 22), (4, '赵六', 25), (5, '钱七', 28); `orders` (1, '2021-09-01', 500, 1), (2, '2021-09-02', 1000, 2), (3, '2021-09-03', 600, 3), (4, '2021-09-04', 800, 4), (5, '2021-09-05', 1500, 5), (6, '2021-09-06', 1200, 3), (7, '2021-09-07', 2000, 1), (8, '2021-09-08', 300, 2), (9, '2021-09-09', 700, 5), (10, '2021-09-10', 900, 4); 查询语句 1. 查询订单总金额 2. 查询所有用户的平均年龄,并将结果四舍五入保留两位小数。 3. 查询订单总数最多的用户的姓名和订单总数。 4. 查询所有不重复的年龄。 5. 查询订单日期在2021年9月1日至9月4日之间的订单总金额。 6. 查询年龄不大于25岁的用户的订单数量,并按照降序排序。 7. 查询订单总金额排名前3的用户的姓名和订单总金额。 8. 查询订单总金额最大的用户的姓名和订单总金额。 9. 查询订单总金额最小的用户的姓名和订单总金额。 10. 查询所有名字含有“李”的用户,按照名字升序排序。 11. 查询所有年龄大于20岁的用户,按照年龄降序排序,并只显示前5条记录。 12. 查询每个用户的订单数量和订单总金额,并按照总金额降序排序。
06-03
这里是使用 Python 的 PyMySQL 完成上述任务的代码: ```python import pymysql # 连接数据库 conn = pymysql.connect(host='localhost', port=3306, user='root', password='123456', database='test') # 创建游标 cur = conn.cursor() # 创建 users 表 cur.execute(''' CREATE TABLE users ( id INT PRIMARY KEY, name VARCHAR(20), age INT ) ''') # 创建 orders 表 cur.execute(''' CREATE TABLE orders ( id INT PRIMARY KEY, order_date DATE, amount INT, user_id INT, FOREIGN KEY (user_id) REFERENCES users(id) ) ''') # 插入数据 users_data = [ (1, '张三', 18), (2, '李四', 20), (3, '王五', 22), (4, '赵六', 25), (5, '钱七', 28) ] orders_data = [ (1, '2021-09-01', 500, 1), (2, '2021-09-02', 1000, 2), (3, '2021-09-03', 600, 3), (4, '2021-09-04', 800, 4), (5, '2021-09-05', 1500, 5), (6, '2021-09-06', 1200, 3), (7, '2021-09-07', 2000, 1), (8, '2021-09-08', 300, 2), (9, '2021-09-09', 700, 5), (10, '2021-09-10', 900, 4) ] for user in users_data: cur.execute('INSERT INTO users VALUES (%s, %s, %s)', user) for order in orders_data: cur.execute('INSERT INTO orders VALUES (%s, %s, %s, %s)', order) # 提交事务 conn.commit() # 查询语句 # 1. 查询订单总金额 cur.execute('SELECT SUM(amount) FROM orders') print(cur.fetchone()[0]) # 2. 查询所有用户的平均年龄,并将结果四舍五入保留两位小数。 cur.execute('SELECT ROUND(AVG(age), 2) FROM users') print(cur.fetchone()[0]) # 3. 查询订单总数最多的用户的姓名和订单总数。 cur.execute(''' SELECT users.name, COUNT(*) AS total_orders FROM users JOIN orders ON users.id = orders.user_id GROUP BY users.id ORDER BY total_orders DESC LIMIT 1 ''') print(cur.fetchone()) # 4. 查询所有不重复的年龄。 cur.execute('SELECT DISTINCT age FROM users') print([row[0] for row in cur.fetchall()]) # 5. 查询订单日期在2021年9月1日至9月4日之间的订单总金额。 cur.execute('SELECT SUM(amount) FROM orders WHERE order_date BETWEEN "2021-09-01" AND "2021-09-04"') print(cur.fetchone()[0]) # 6. 查询年龄不大于25岁的用户的订单数量,并按照降序排序。 cur.execute(''' SELECT users.name, COUNT(*) AS total_orders FROM users JOIN orders ON users.id = orders.user_id WHERE age <= 25 GROUP BY users.id ORDER BY total_orders DESC ''') print(cur.fetchall()) # 7. 查询订单总金额排名前3的用户的姓名和订单总金额。 cur.execute(''' SELECT users.name, SUM(amount) AS total_amount FROM users JOIN orders ON users.id = orders.user_id GROUP BY users.id ORDER BY total_amount DESC LIMIT 3 ''') print(cur.fetchall()) # 8. 查询订单总金额最大的用户的姓名和订单总金额。 cur.execute(''' SELECT users.name, SUM(amount) AS total_amount FROM users JOIN orders ON users.id = orders.user_id GROUP BY users.id ORDER BY total_amount DESC LIMIT 1 ''') print(cur.fetchone()) # 9. 查询订单总金额最小的用户的姓名和订单总金额。 cur.execute(''' SELECT users.name, SUM(amount) AS total_amount FROM users JOIN orders ON users.id = orders.user_id GROUP BY users.id ORDER BY total_amount ASC LIMIT 1 ''') print(cur.fetchone()) # 10. 查询所有名字含有“李”的用户,按照名字升序排序。 cur.execute('SELECT * FROM users WHERE name LIKE "%李%" ORDER BY name ASC') print(cur.fetchall()) # 11. 查询所有年龄大于20岁的用户,按照年龄降序排序,并只显示前5条记录。 cur.execute('SELECT * FROM users WHERE age > 20 ORDER BY age DESC LIMIT 5') print(cur.fetchall()) # 12. 查询每个用户的订单数量和订单总金额,并按照总金额降序排序。 cur.execute(''' SELECT users.name, COUNT(*) AS total_orders, SUM(amount) AS total_amount FROM users JOIN orders ON users.id = orders.user_id GROUP BY users.id ORDER BY total_amount DESC ''') print(cur.fetchall()) # 关闭游标和连接 cur.close() conn.close() ``` 注意:在运行代码之前,需要先安装 PyMySQL 模块,可以使用以下命令进行安装: ``` pip install pymysql ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值