（Python）dfを2群に分けて、全ての項目について有意差検定をばーっとやりたいときの実装

import pandas as pd
import numpy as np
import sklearn.datasets
import scipy.stats as stats

boston = sklearn.datasets.load_boston()
#データセットをDFに変換
df_x = pd.DataFrame(data = boston.data, columns=boston.feature_names)
df_y = pd.DataFrame(data = boston.target, columns=['MEDV'])
df = pd.concat([df_y,df_x], axis=1)
#df_y = pd.DataFrame(data = boston)
df

#住宅価格MEDVで2群に分割する。
# df['MEDV']の上位25%の境界値を求める
threshold = df['MEDV'].quantile(0.75)

# 上位25%グループとそれ以外のグループに分割
df_MEDV_25per = df[df['MEDV'] >= threshold]
df_MEDV_other = df[df['MEDV'] < threshold]

# 検定結果を格納するdfを作成
df_ttest_result = pd.DataFrame(columns=["項目名", "t値", "p値"])

# dfA と dfB の列数が一致していることを確認
if df_MEDV_25per.shape[1] != df_MEDV_other.shape[1]:
    raise ValueError("dfA と dfB の列数が一致しません")

# 各列に対して検定を行う
for column in df_MEDV_25per.columns:
    # dfA[column] と dfB[column] の t 検定
    t_stat, p_val = stats.ttest_ind(df_MEDV_25per[column], df_MEDV_other[column], equal_var=False)  # Welchのt検定を使用
    
    # 結果をdfCに追加
    df_ttest_result = df_ttest_result.append({"項目名": column, "t値": t_stat, "p値": p_val}, ignore_index=True)

# 結果の表示
df_ttest_result