我的表格中只有基因名称和基因在不同条件下的表达量，给我补充一段代码，帮助我计算出基因的p-value值，并保存数据在一个新的表格，用这个数据进行FDR校正

当然，我可以为您补充代码。假设您的基因表格数据如下所示，包含基因名称和不同条件下的表达量：

gene_name,condition_1,condition_2,condition_3
gene1,1.2,1.4,1.1
gene2,0.8,0.9,1.2
gene3,1.5,1.3,1.6
...

下面是补充的代码，用于计算基因的p-value值并保存在一个新的表格中：

import pandas as pd
from scipy.stats import ttest_ind
from statsmodels.stats.multitest import multipletests

# 读取基因表格数据
gene_data = pd.read_csv('gene_expression.csv')

# 获取条件列名
condition_columns = gene_data.columns[1:]

# 创建空的p-value列
gene_data['p_value'] = 0.0

# 计算每个基因的p-value值
for index, row in gene_data.iterrows():
    gene_expression = row[1:]  # 获取基因在不同条件下的表达量
    condition_1 = gene_expression[:len(condition_columns)//2]
    condition_2 = gene_expression[len(condition_columns)//2:]
    _, p_value = ttest_ind(condition_1, condition_2)  # 使用 t-test 计算p-value值
    gene_data.at[index, 'p_value'] = p_value

# 进行FDR校正
rejected, adjusted_p_values, _, _ = multipletests(gene_data['p_value'], method='fdr_bh')
gene_data['adjusted_p_value'] = adjusted_p_values

# 保存数据到新的表格
gene_data.to_csv('gene_expression_with_p_value.csv', index=False)

在这段代码中，我们首先使用 pandas 库读取基因表格数据，并获取条件列名。然后，我们创建一个空的 'p_value' 列用于存储计算得到的p-value值。

接下来，我们使用迭代遍历每一行数据，提取基因在不同条件下的表达量，并使用 scipy 库中的 ttest_ind 函数进行t-test计算得到p-value值。将计算得到的p-value值保存在 'p_value' 列中。

然后，我们使用 statsmodels 库中的 multipletests 函数进行FDR校正，并将校正后的调整p-value值保存在 'adjusted_p_value' 列中。

最后，我们使用 pandas 库的 to_csv 方法将包含新数据的基因表格保存到 'gene_expression_with_p_value.csv' 文件中。

请注意，这个代码示例仅供参考，您需要根据您的具体数据和需求进行适当的修改和调整。