为了打印所有的 p-values 并将其导出为 `.xlsx` 文件，你可以借助 `openpyxl` 或者 `pandas` 库中的功能来处理 Excel 文件。以下是完整的代码实现： ### 完整代码 ```python import pandas as pd from scipy.stats import mannwhitneyu # 假设已有数据框 data 包含所有特征以及标签 data = pd.read_csv('fraud_data.csv') # 替换为实际文件路径 X = data.iloc[:, :-1] # 特征列 y = data.iloc[:, -1] # 标签列 ('欺诈' / '非欺诈') # 分离两类样本 non_fraud_samples = X[y == 0].values # 非舞弊样本 fraud_samples = X[y == 1].values # 舞弊样本 # 计算每列特征的 Mann-Whitney U 检验 p-value results = {'Feature': [], 'P-Value': []} for col_name in X.columns: non_fraud_col = non_fraud_samples[:, list(X.columns).index(col_name)] fraud_col = fraud_samples[:, list(X.columns).index(col_name)] # 进行 Mann-Whitney U 检验 _, p_value = mannwhitneyu(non_fraud_col, fraud_col, alternative='two-sided') results['Feature'].append(col_name) results['P-Value'].append(round(p_value, 6)) # 精确到小数点后六位 # 将结果转换成 DataFrame df_results = pd.DataFrame(results) # 输出所有的 P-Values 到控制台 print(df_results) # 导出结果至 .xlsx 文件 output_file = 'p_values_result.xlsx' df_results.to_excel(output_file, index=False) print(f"P-values 已成功保存到 {output_file} 中") ``` --- ### 代码解释 1. **读取数据**: 使用 Pandas 加载 CSV 数据文件 (`pd.read_csv`)，其中最后一列为类别标签（如“欺诈”或“非欺诈”）。 2. **分离样本**： 根据标签值将数据分为两组：`non_fraud_samples` 和 `fraud_samples`。 3. **逐特征计算 p-value**： 对于每一个特征，提取对应列的数据并运行 Mann-Whitney U 检验，记录下每次的结果。 4. **构造结果表**： 创建字典结构存储各特征及其对应的 p-value，并转化为 Pandas DataFrame 方便操作。 5. **打印与保存**： 先在屏幕上显示完整表格内容；然后通过 Pandas 的 `to_excel()` 方法直接生成指定名称的 Excel 文件。 --- ###