pythonを用いたサンプル数の異なる群間での多重比較（Tukey法）入力方法。

Question

前提・実現したいこと

プログラム超初心者です。
ANACONDAをインストールしjupyter Notebookを用いて解析しています。
４群（A~D）での多重比較を行っています。
各群で４～６のサンプルがあります。

各群の正規性、分散までは求めることができました。
post-hocとして多重比較（Tukey法）を試みたところエラーがでました。

群間のサンプル数を同じにした場合プログラムは実行できましたが、サンプル数が異なる場合はエラーが生じるようです。

下記、各群のサンプル数が異なる場合でのプログラムについてご教授お願いします。
※下記にサンプルコードを記載してございますが、値については適当でかまいませんので、プログラムが実行できるコードをご教授お願い申し上げます。

例１：Ａ～Ｃのサンプル数は５、Ｄのサンプル数は６の場合
例２：Ａ、Ｂはサンプル数は５、Ｃは４、Ｄは６の場合

発生している問題・エラーメッセージ

ValueError Traceback (most recent call last)
<ipython-input-16-aa8fb74b10ff> in <module>
11 D = np.array([10,7,3,5,7,2])
12
---> 13 tukey_hsd( (A,B,C,D), list('ABCD'), 6)

<ipython-input-16-aa8fb74b10ff> in tukey_hsd(lst, ind, n)
4 data_arr = np.hstack( lst )
5 ind_arr = np.repeat(ind, n)
----> 6 print(pairwise_tukeyhsd(data_arr,ind_arr))
7
8 A = np.array([15,9,18,14])

~\Anaconda3\lib\site-packages\statsmodels\stats\multicomp.py in pairwise_tukeyhsd(endog, groups, alpha)
42 """
43
---> 44 return MultiComparison(endog, groups).tukeyhsd(alpha=alpha)

~\Anaconda3\lib\site-packages\statsmodels\sandbox\stats\multicomp.py in init(self, data, groups, group_order)
818
819 if len(data) != len(groups):
--> 820 raise ValueError('data has %d elements and groups has %d' % (len(data), len(groups)))
821 self.data = np.asarray(data)
822 self.groups = groups = np.asarray(groups)

ValueError: data has 22 elements and groups has 24

該当のソースコード

from statsmodels.stats.multicomp import pairwise_tukeyhsd
import numpy as np
def tukey_hsd( lst, ind, n ):
data_arr = np.hstack( lst )
ind_arr = np.repeat(ind, n)
print(pairwise_tukeyhsd(data_arr,ind_arr))

A = np.array([15,9,18,14])
B = np.array([13,8,8,12,7,1])
C = np.array([10,6,11,7,12,3])
D = np.array([10,7,3,5,7,2])

tukey_hsd( (A,B,C,D), list('ABCD'), 6) 

試したこと

●うまくいくコード
from statsmodels.stats.multicomp import pairwise_tukeyhsd
import numpy as np
def tukey_hsd( lst, ind, n ):
data_arr = np.hstack( lst )
ind_arr = np.repeat(ind, n)
print(pairwise_tukeyhsd(data_arr,ind_arr))

A = np.array([15,9,18,14,18])
B = np.array([13,8,8,12,7])
C = np.array([10,6,11,7,12])
D = np.array([10,7,3,5,7])

tukey_hsd( (A,B,C,D), list('ABCD'), 5)

サンプル数とプログラム最後の数字の数を一致させる（太字）と結果はでます。しかし、不一致である場合は上記のようなエラーがでてしまいます。

補足情報（FW/ツールのバージョンなど）

jupyter Notebook (ver.6.0.1)

Answer 1

関数tukey_hsdのなかのdata_arrとind_arrの対応が取れていないことがエラーの原因です。
pairwise_tukeyhsd()に設定する引数は、ABCDの要素数が4,6,6,6なのであれば、ind_arrのABCDの数も4,6,6,6となっている必要があります。質問に記載のコードだと、6,6,6,6なのでエラーになっています。

とりあえず、以下であれば望む結果が得られます。

def tukey_hsd( lst, ind ):
    data_arr = np.hstack( lst )
    ###ind_arr = np.repeat(ind, n)
    print(pairwise_tukeyhsd(data_arr,ind)) 

    
A = np.array([15,9,18,14])
B = np.array([13,8,8,12,7,1])
C = np.array([10,6,11,7,12,3])
D = np.array([10,7,3,5,7,2]) 

ind_arr = np.array(list('A'*4+'B'*6+'C'*6+'D'*6))

tukey_hsd( (A,B,C,D), ind_arr)