python - Python 中 R 的 "phyper"函数有哪些等价物？

Question

在 R 中，我使用 phyper 函数对生物信息学分析进行超几何检验。但是我使用了很多 Python 代码并且在这里使用 rpy2 非常慢。所以，我开始寻找替代品。似乎 scipy.stats.hypergeom 也有类似的东西。

目前，我这样调用 phyper:

pvalue <- 1-phyper(45, 92, 7518, 1329)

其中 45 是具有感兴趣属性的选定项目数，92 是具有该属性的总项目数，7518 是不具有该属性的未选定项目数，1329 是选定项目总数。

在 R 中，这会产生 6.92113e-13。

尝试对 scipy.stats.hypergeom 做同样的事情会产生完全不同的结果(注意，数字被交换是因为函数以不同的方式接受数字):

import scipy.stats as stats   
pvalue = 1-stats.hypergeom.cdf(45, 7518, 92. 1329)
print pvalue

然而，这会返回 -7.3450134863151106e-12，这毫无意义。请注意，我已经在其他数据上对此进行了测试，但几乎没有问题(精确到小数点后第四位，这对我来说已经足够了)。

所以它归结为这些可能性:

1. 我在工作中使用了错误的函数(或错误的参数)
2. scipy 中有一个错误

如果是“1”，是否有其他可以在 Python 中使用的 phyper 替代品？

编辑:如评论所述，这是 scipy 中的错误，已在 git master 中修复。

Answer 1

来自docs ，你可以试试:

hypergeom.sf(x,M,n,N,loc=0) : survival function (1-cdf — sometimes more accurate)

此外，我认为您可能混淆了这些值。

Models drawing objects from a bin. M is total number of objects, n is total number of Type I objects. RV counts number of Type I objects in N drawn without replacement from population.

因此，根据我的阅读:x=q、M=n+m、n=m、N=k 。

所以我会尝试:

stats.hypergeom.sf(45,(92+7518),92,1329)