在组可以更改的不同数据帧上执行方差分析的代码

Question

我有以下数据框。但是它可以是那种格式的任何数据框。

df = pd.DataFrame({'Weight': [4.17,5.58,5.18,6.11,4.5,4.61,5.17,4.53,5.33,5.14,4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69,6.31,5.12,5.54,5.5,5.37,5.29,4.92,6.15,5.8,5.26],
                   'Group': ['A','A','A','A','A','A','A','A','A','A','B','B','B','B','B','B','B','B','B','B','C','C','C','C','C','C','C','C','C','C'] 
                   })

如何在不通过文本明确指定组的情况下执行方差分析来为我提供此 的 F 和 p 值？换句话说，是否有代码可以自动检测组和运行方差分析，以便它可以在该结构中的任何数据帧上工作，而不仅仅是这个？

Answer 1

为了检验各组组合之间均值的相似性，我们可以使用itertools.combinations and scipy.stats.f_oneway:

这里的 null hypothesis 引用自文档：

that two or more groups have the same population mean

场景 1：比较所有组：

from scipy.stats import f_oneway

grps = [d['Weight'] for _, d in df.groupby('Group')]

F, p = f_oneway(*grps)

print(F, p)
4.846087862380136 0.0159099583256229

场景 2：比较每个列组合：

from itertools import combinations
from scipy.stats import f_oneway

combs = list(combinations(df['Group'].unique(), 2))
for g1, g2 in combs:
    a = f_oneway(df.loc[df['Group'] == g1, 'Weight'], 
                 df.loc[df['Group'] == g2, 'Weight'])
    print(f'For groups {g1} & {g2} the F-value is: {a[0]}, the p-value is: {a[1]}')

输出

For groups A & B the F-value is: 1.4191012973623165, the p-value is: 0.24902316597300575
For groups A & C the F-value is: 4.554043294351827, the p-value is: 0.04685138491157386
For groups B & C the F-value is: 9.0606932332992, the p-value is: 0.007518426118219876

在组可以更改的不同数据帧上执行方差分析的代码

Code to do ANOVA on different Dataframes where groups can change

python

scipy

dataframe

anova

pandas

场景 1：比较所有组：

场景 2：比较每个列组合：