本文介绍如何在使用 scipy.stats.kruskal 等多组检验函数时，通过列表推导式动态过滤掉样本量不足（如少于 5 个）的分组，确保统计结果稳健可靠。

本文介绍如何在使用 `scipy.stats.kruskal` 等多组检验函数时，通过列表推导式动态过滤掉样本量不足（如少于 5 个）的分组，确保统计结果稳健可靠。

在进行 Kruskal-Wallis H 检验等非参数多组比较时，一个关键前提是对各组样本量保持合理要求——过小的组（例如 groupby 本身不支持内置的“最小样本量过滤”，但可通过 Python 列表推导式在解包前灵活筛选。

核心技巧在于：将原本的 df.groupby("treatment") 迭代结果，结合 if 条件判断每组的样本数量，仅保留满足阈值的组。例如，排除 variable 列中有效样本数小于 5 的处理组：

import scipy.stats as stats

# ✅ 正确做法：在列表推导中添加条件过滤
result = stats.kruskal(
    *[group["variable"].values 
      for name, group in df.groupby("treatment") 
      if len(group) > 4]  # 注意：len(group) 等价于 group.size，更直观且避免 .values.size 的冗余调用
)

? 说明：len(group) 返回该分组的行数（即样本量），比 group["variable"].values.size 更简洁、安全（不受缺失值或列选择影响）。若需严格统计非空值，可改用 group["variable"].count() > 4。

⚠️ 注意事项：

• 若所有组均被过滤（如全部 kruskal(*[]) 将抛出 TypeError: kruskal() missing 2 required positional arguments。建议增加保护逻辑：

  groups = [group["variable"].values 
            for name, group in df.groupby("treatment") 
            if len(group) > 4]
  if len(groups) < 2:
      raise ValueError(f"至少需要 2 个有效组（当前仅 {len(groups)} 组满足 n > 4）")
  result = stats.kruskal(*groups)

• 该模式同样适用于 scipy.stats.f_oneway、mannwhitneyu（需两两组合）等需多数组输入的函数。
• 如需保留组名用于后续解释，可构建命名元组或字典，但 kruskal 仅接受数值数组，故命名信息需额外记录。

总之，借助列表推导式的条件表达式，你能在一行代码内完成“条件分组 + 解包调用”，兼顾简洁性与统计严谨性。