统计检验用于比较各组间的免疫浸润差异，通过定量分析特定免疫细胞的浸润水平，评估它们在不同条件或组别下的显著性变化。常用方法包括t检验、Mann-Whitney U检验、ANOVA或Kruskal-Wallis检验，选择依据数据分布及样本特点。这些分析可揭示免疫微环境特征，助力探索疾病机制、预测治疗效果或筛选潜在生物标志物，为精准医学提供数据支持。

the distribution of extensive immune infiltration | ViaDean

背景知识

🌵Python片段

在 Python 中，统计检验可用于比较不同组之间的免疫浸润情况。常见的分析方法包括 t 检验、单因素方差分析（ANOVA） 和 非参数检验（如 Mann-Whitney U 检验、Kruskal-Wallis 检验）。以下是实现过程：

1. 数据准备

假设你有一个数据集，包含以下信息：

• 样本编号 (Sample ID)
• 组别 (Group)
• 免疫浸润指标 (Immunoinfiltration)

以下是数据框的结构：

 Sample ID    Group    Immunoinfiltration
 1            A        0.8
 2            A        0.6
 3            B        1.2
 4            B        1.5
 ...

2. 安装所需库

首先安装常用的库：

 pip install numpy pandas scipy seaborn matplotlib

3. Python 代码实现

导入库与加载数据

 import pandas as pd
 import numpy as np
 from scipy.stats import ttest_ind, mannwhitneyu, f_oneway, kruskal
 import seaborn as sns
 import matplotlib.pyplot as plt
 ​
 # 假设数据保存在 CSV 文件中
 data = pd.read_csv("immune_infiltration.csv")