如何将参数动态传递给方差分析测试？
How to pass arguments dynamically to the anova test?
我有一个 df，我想从这个 df 传递 Anova 测试的参数。但问题在于 df 值是动态的。如何将参数传递给 scipy.stats.f_oneway this.
例如：
num cat
0 164 type1
1 172 type1
2 168 type1
3 177 type1
4 156 type1
5 195 type1
6 178 type2
7 191 type2
8 197 type2
9 182 type2
10 185 type2
11 177 type2
12 175 type3
13 193 type3
14 178 type3
15 171 type3
16 163 type3
17 176 type3
18 155 type4
19 166 type4
20 149 type4
21 164 type4
22 170 type4
23 168 type4
我必须传递如下值，
t1 = [164, 172, 168, 177, 156, 195]
t2 = [178, 191, 197, 182, 185, 177]
t3 = [175, 193, 178, 171, 163, 176]
t4 = [155, 166, 149, 164, 170, 168]
F, p = stats.f_oneway(t1,t2,t3,t4)
在上述方法中，我必须将每种类型的值存储到单独的变量中。但我想避免这种情况。因为我的价值观是动态的。比如上面的sample df只有4种类型，这里这4种是动态的，在运行的时候可以是任意的。
到目前为止，我可以使用下面的方法将值放入列表中。
result = df.groupby(1)[0].apply(list).values.tolist()
但我不知道如何将这个值传递给scipy.stats.f_oneway。
请给个好的解决办法
将*用于 unpacking lists:
result = df.groupby('cat')['num'].apply(list)
print (result)
cat
type1 [164, 172, 168, 177, 156, 195]
type2 [178, 191, 197, 182, 185, 177]
type3 [175, 193, 178, 171, 163, 176]
type4 [155, 166, 149, 164, 170, 168]
Name: num, dtype: object
F, p = scipy.stats.f_oneway(*result)
print (F)
5.406342913776015
print (p)
0.0068759477547351
我有一个 df，我想从这个 df 传递 Anova 测试的参数。但问题在于 df 值是动态的。如何将参数传递给 scipy.stats.f_oneway this.
例如：
num cat
0 164 type1
1 172 type1
2 168 type1
3 177 type1
4 156 type1
5 195 type1
6 178 type2
7 191 type2
8 197 type2
9 182 type2
10 185 type2
11 177 type2
12 175 type3
13 193 type3
14 178 type3
15 171 type3
16 163 type3
17 176 type3
18 155 type4
19 166 type4
20 149 type4
21 164 type4
22 170 type4
23 168 type4
我必须传递如下值，
t1 = [164, 172, 168, 177, 156, 195]
t2 = [178, 191, 197, 182, 185, 177]
t3 = [175, 193, 178, 171, 163, 176]
t4 = [155, 166, 149, 164, 170, 168]
F, p = stats.f_oneway(t1,t2,t3,t4)
在上述方法中，我必须将每种类型的值存储到单独的变量中。但我想避免这种情况。因为我的价值观是动态的。比如上面的sample df只有4种类型，这里这4种是动态的，在运行的时候可以是任意的。
到目前为止，我可以使用下面的方法将值放入列表中。
result = df.groupby(1)[0].apply(list).values.tolist()
但我不知道如何将这个值传递给scipy.stats.f_oneway。
请给个好的解决办法
将*用于 unpacking lists:
result = df.groupby('cat')['num'].apply(list)
print (result)
cat
type1 [164, 172, 168, 177, 156, 195]
type2 [178, 191, 197, 182, 185, 177]
type3 [175, 193, 178, 171, 163, 176]
type4 [155, 166, 149, 164, 170, 168]
Name: num, dtype: object
F, p = scipy.stats.f_oneway(*result)
print (F)
5.406342913776015
print (p)
0.0068759477547351