วิธีสร้างพล็อตเรื่อง bland-altman ใน python

พล็อต Bland-Altman ถูกใช้เพื่อแสดงภาพความแตกต่างในการวัดระหว่างเครื่องมือสองชนิดที่แตกต่างกันหรือสองเทคนิคการวัดที่แตกต่างกัน

มีประโยชน์ในการพิจารณาว่าเครื่องมือหรือเทคนิคสองชนิดมีความคล้ายคลึงกันในการวัดแนวคิดเดียวกันอย่างไร

บทช่วยสอนนี้ให้ตัวอย่างทีละขั้นตอนของวิธีสร้างพล็อต Bland-Altman ใน Python

ขั้นตอนที่ 1: สร้างข้อมูล

สมมติว่านักชีววิทยาใช้เครื่องมือสองชนิด (A และ B) ในการวัดน้ำหนักของกบชุดเดียวกันจำนวน 20 ตัวในหน่วยกรัม

เราจะสร้างกรอบข้อมูลต่อไปนี้ซึ่งแสดงถึงน้ำหนักของกบแต่ละตัว โดยวัดจากอุปกรณ์แต่ละชิ้น:

 import pandas as pd

df = pd. DataFrame ({' A ': [5, 5, 5, 6, 6, 7, 7, 7, 8, 8, 9,
                         10, 11, 13, 14, 14, 15, 18, 22, 25],
                   ' B ': [4, 4, 5, 5, 5, 7, 8, 6, 9, 7, 7, 11,
                         13, 13, 12, 13, 14, 19, 19, 24]})

ขั้นตอนที่ 2: สร้างพล็อต Bland-Altman

ต่อไป เราจะใช้ฟังก์ชัน Mean_diff_plot() จากแพ็คเกจ statsmodels เพื่อสร้างพล็อตเรื่อง Bland-Altman:

 import statsmodels. api as sm
import matplotlib. pyplot as plt

#create Bland-Altman plot                  
f, ax = plt. subplots (1,figsize=(8,5))
sm. graphics . mean_diff_plot (df.A, df.B, ax = ax)

#display Bland-Altman plot
plt. show () 

แกน x ของกราฟจะแสดงการวัดเฉลี่ยของเครื่องมือทั้งสอง และแกน y จะแสดงความแตกต่างในการวัดระหว่างเครื่องมือทั้งสอง

เส้นทึบสีดำแสดงถึงความแตกต่างเฉลี่ยในการวัดระหว่างเครื่องมือทั้งสอง ในขณะที่เส้นประสองเส้นแสดงถึงขีดจำกัดของช่วงความเชื่อมั่น 95% สำหรับผลต่างเฉลี่ย

ผลต่างเฉลี่ยกลายเป็น 0.5 และช่วงความเชื่อมั่น 95% สำหรับผลต่างเฉลี่ยคือ [-1.86, 2.86]