通过 pandas 数据帧的单向方差分析循环 - 产生单个 table

One-way Anova loop through pandas dataframe - results in a single table

我有一个包含 16 列的 pandas 数据框,其中 14 列代表我使用 statsmodels 执行循环 Anova 测试的变量。我的数据框看起来像这样(简化):

ID    Cycle_duration    Average_support_phase    Average_swing_phase    Label
1               23.1                     34.3                   47.2        1
2               27.3                     38.4                   49.5        1
3               25.8                     31.1                   45.7        1
4               24.5                     35.6                   41.9        1
...

到目前为止,这就是我正在做的事情:

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols

df = pd.read_csv('features_total.csv')

for variable in df.columns:
    model = ols('{} ~ Label'.format(variable), data=df).fit()
    anova_table = sm.stats.anova_lm(model, typ=2)
    print(anova_table)

产生:

    sum_sq    df         F    PR(>F)
Label     0.124927   2.0  2.561424  0.084312
Residual  1.731424  71.0       NaN       NaN
              sum_sq    df         F    PR(>F)
Label      62.626057   2.0  4.969491  0.009552
Residual  447.374788  71.0       NaN       NaN
              sum_sq    df         F    PR(>F)
Label      62.626057   2.0  4.969491  0.009552
Residual  447.374788  71.0       NaN       NaN

我正在为执行 Anova 的每个变量获取单独的 table 打印。基本上我想要的是打印一张带有汇总结果的 table,或者像这样的东西:

                             sum_sq     df         F    PR(>F)
          Cycle_duration   0.1249270   2.0  2.561424  0.084312
                Residual   1.7314240  71.0       NaN       NaN
   Average_support_phase   62.626057   2.0  4.969491  0.009552
                Residual  447.374788  71.0       NaN       NaN
     Average_swing_phase   62.626057   2.0  4.969491  0.009552
                Residual  447.374788  71.0       NaN       NaN

我已经可以看出一个问题,因为此方法总是在实际值之前输出 'Label' 命名法,而不是相关变量名(就像我在上面显示的那样,我想要变量每个名字上面 'residual')。 statsmodels 方法甚至可以做到这一点吗?

我是 python 的新手,如果这与 statsmodels 无关,请原谅 - 在这种情况下,请向我说明我应该尝试什么。

您可以收集表格并在循环结束时将它们连接起来。此方法将创建一个分层索引,但我认为这使它更清晰一些。像这样:

keys = []
tables = []
for variable in df.columns:
    model = ols('{} ~ Label'.format(variable), data=df).fit()
    anova_table = sm.stats.anova_lm(model, typ=2)

    keys.append(variable)
    tables.append(anova_table)

df_anova = pd.concat(tables, keys=keys, axis=0)

有点相关,我还建议更正多重比较。这与其说是编码建议,不如说是统计建议,但考虑到您正在执行大量统计测试,考虑其中一项测试导致误报的可能性是有意义的。