skbio.stats.gradient.GradientANOVA¶
- class skbio.stats.gradient.GradientANOVA(coords, prop_expl, metadata_map, trajectory_categories=None, sort_category=None, axes=3, weighted=False)[源代码]¶
轨迹算法的基类
- 参数:
coords (pandas.DataFrame) -- 每个样本ID的坐标
prop_expl (array like) -- 每个轴以坐标表示比例的NumPy一维阵列
metadata_map (pandas.DataFrame) -- 按样本ID和列索引的元数据地图是元数据类别
trajectory_categories (list of str, optional) -- 用于创建轨迹的元数据类别列表。如果没有传递,则计算所有元数据类别的轨迹。默认:无,全部计算
sort_category (str, optional) -- 用于对轨迹进行排序的元数据类别。默认:无
axes (int, optional) -- 在进行轨迹特定计算时要考虑的轴数。传递0以计算所有这些参数。默认:3
weighted (bool, optional) -- 如果为True,则输出按 sort_category 立柱
- 抛出:
ValueError -- 如果任何类别的 trajectory_categories 不存在于 metadata_map 如果 sort_category 不存在于 metadata_map 如果 axes 不在0和最大可用轴数之间,如果 weighted 是真的,不是 sort_category 在以下情况下提供 weighted 为True,并且以下值 sort_category 在以下情况下不是数字 coords 和 metadata_map 没有共同的样本
内嵌函数
__eq__
(value, /)返回self==值。
__ge__
(value, /)返回self>=值。
__getstate__
\()泡菜的帮手。
__gt__
(value, /)返回self>值。
__hash__
\()返回哈希(self)。
__le__
(value, /)返回self<=value。
__lt__
(value, /)返回self<value。
__ne__
(value, /)回归自我!=值。
__str__
\()返回str(self)。
方法
get_trajectories
\()计算每个类别中每个组的轨迹并运行