我有一个 pandas.df，我正在尝试删除所有可以拒绝的假设。
这是有问题的 df 的一个片段:
best value p_value
0 11.9549 0.986927
1 11.9588 0.986896
2 12.1185 0.985588
3 12.1682 0.985161
4 12.3907 0.983131
5 12.4148 0.982899
6 12.6273 0.980750
7 12.9020 0.977680
8 13.4576 0.970384
9 13.5058 0.969679
10 13.5243 0.969405
11 13.5886 0.968439
12 13.8025 0.965067
13 13.9840 0.962011
14 14.1896 0.958326
15 14.3939 0.954424
16 14.6229 0.949758
17 14.6689 0.948783
18 14.9464 0.942626
19 15.1216 0.938494
20 15.5326 0.928039
21 17.7720 0.851915
22 17.8668 0.847993
23 17.9662 0.843822
24 19.2481 0.785072
25 19.5257 0.771242
我想删除 p_value 大于临界阈值 alpha 的元素，方法是选择低于 alpha 的元素。 p 值是使用 scipy.stats.chisqprob(chisq,df) 计算的，其中 chisq 是卡方统计量，df 是自由度。这一切都是使用如下所示的自定义方法 self.get_p_values 完成的。
def reject_null_hypothesis(self,alpha,df):
assert alpha>0
assert alpha<1
p_value=self.get_p_values(df) #calculates the data frame above
return p_value.loc[p_value['best value']
然后我调用这个方法使用:
PE=Modelling_Tools.PE_Results(PE_file) #Modelling.Tools is the module and PE_Results is the class which is given the data 'PE_file'
print PE.reject_null_hypothesis(0.5,25)
根据我的阅读，这应该做我想做的，但我是 pandas.df 的新手，这段代码返回不变
最佳答案
运行时是否遇到任何错误？我问是因为:
print PE.reject_null_hypothesis(0.5, 25)
正在传递给 reject_null_hypothesis() 25，一个 int 对象而不是 pandas.DataFrame 对象，在最后一个参数位置。
(抱歉。我会用评论而不是答案来回应，但我目前只有 46 个声誉，评论需要 50 个。)
关于python - 选择高于临界阈值的 pandas 数据框元素，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32094305/