Teste de Friedman e teste post-hoc para Python

No meu conjunto de dados, tenho cinco grupos (ordinais) com uma quantidade x de medida. Como a homoscedasticidade é violada, realizei o teste do qui-quadrado de Friedman para verificar se existem diferenças estatísticas entre os grupos:

fried = stats.friedmanchisquare(*[grp for idx, grp in df.iteritems()]))

Isso retornou uma diferença estatística, mas agora eu gostaria de descobrir entre quais grupos as diferenças existem. Em Rhá uma boa solução para este ( teste de Friedman e análise post-hoc , https://www.r-statistics.com/2010/02/post-hoc-analysis-for-friedmans-test-r-code/ ) , onde eles usam o teste Wilcoxon-Nemenyi-McDonald-Thompson, mas não consigo encontrar um para o Python.

Existe a possibilidade de fazer análises post-hoc para o teste de Friedman? Como alternativa, qual seria uma boa alternativa para o teste de Friedman que me permita comparar entre grupos, por exemplo, uma equação de estimativa generalizada?

Atualmente, estou analisando esse problema; de acordo com este artigo, existem várias possibilidades para realizar testes pós-octociais ( atualização : uma extensão referente ao uso de testes não paramétricos pode ser encontrada aqui ):

• Execute o teste Nemenyi para todas as combinações aos pares; isso é semelhante ao teste de Tukey para ANOVA.
• Execute o teste Bonferroni-Dunn ; nessa configuração, compara-se todos os valores a uma lista de valores de controle.
• Como alternativa, é possível executar procedimentos de aumento e redução, testando seqüencialmente hipóteses ordenadas por sua significância. Pode-se usar o procedimento de abaixamento de Holm, o procedimento de intensificação de Hochberg ou o procedimento de Hommel .

A biblioteca STAC Python parece incluir todos esses testes, exceto o procedimento de Hommel.

Complementando a outra resposta, desde que você perguntou sobre a implementação dos testes post-hoc no Python: a biblioteca Orange implementa os testes post-hoc (Nemenyi e Bonferroni-Dunn), incluindo uma função para desenhar um diagrama de diferenças críticas [1]

http://docs.orange.biolab.si/3/data-mining-library/reference/evaluation.cd.html (consulte a seção "Diagrama do CD")

[1] Janez Demsar, Comparações estatísticas de classificadores em vários conjuntos de dados, 7 (janeiro): 1–30, 2006.

Você pode executar qualquer um dos seguintes testes com o pacote scikit-posthocs : testes post-hoc de Conover, Nemenyi, Siegel e Miller.