Python

Question

在我的数据框中，我几乎没有分类变量和连续变量。我想对分类变量和连续变量的每个组合执行 Anova 分析 (anova_lm)。到目前为止，我只能为 1 个目标分类创建循环，并将所有连续变量作为预测变量，如下所示：

我的原始数据集 pima 包含这些列：

GENDER - categorical AGE - continuous EDUCATION - categorical INCOME - categorical RATE_INTEREST - continuous SPD - categorical TPD - categorical AMT_ANNUITY - continuous DOWNPAYMPERC - continuous

我从数据集中定义了 pima_cont，它只包含连续变量。从数据集中我还定义了 pima_categ，它只包含分类变量。

keys = []
tables = []
for variable in pima_cont.columns:
    model = ols('{} ~ EDUCATION'.format(variable), data=pima).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)
print(df_anova)

这里我要在这部分语句中手动编辑我的目标model = ols('{} ~ EDUCATION'.format(variable), data=pima).fit()

关于如何实现自动化的任何提示，因此 Python 会向我显示相同的输出，但将我所有的分类变量作为目标？

非常感谢！亚当

Answer 1

您需要一个 multiIndex，只需使用下面的 2 x 2 示例：

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

pima = pd.DataFrame({'EDUCATION':np.random.choice(['A','B','C'],100),
                     'GENDER':np.random.choice(['M','F'],100),
                    'AGE':np.random.randn(100),
                    'RATE_INTEREST':np.random.randn(100)})

为可能的组合做一个multi-index：

index = pd.MultiIndex.from_product([['AGE','RATE_INTEREST'],['EDUCATION','GENDER']],
                                   names=['cont', 'cat'])
index

MultiIndex([(          'AGE', 'EDUCATION'),
            (          'AGE',    'GENDER'),
            ('RATE_INTEREST', 'EDUCATION'),
            ('RATE_INTEREST',    'GENDER')],
           names=['cont', 'cat'])

然后类似于上面的内容：

tables = []
for cont_var,cat_var in index:
    model = ols('{} ~ {}'.format(cont_var,cat_var), data=pima).fit()
    anova_table = sm.stats.anova_lm(model, typ=2)

    tables.append(anova_table)

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

最终 table 看起来像这样：

                                      sum_sq    df         F    PR(>F)
AGE           EDUCATION EDUCATION   0.358636   2.0  0.196421  0.821993
                        Residual   88.554164  97.0       NaN       NaN
              GENDER    GENDER      0.258418   1.0  0.285659  0.594226
                        Residual   88.654382  98.0       NaN       NaN
RATE_INTEREST EDUCATION EDUCATION   0.021586   2.0  0.012325  0.987752
                        Residual   84.942705  97.0       NaN       NaN
              GENDER    GENDER      0.656981   1.0  0.763684  0.384315
                        Residual   84.307310  98.0       NaN       NaN

Python - 在多个循环中进行 Anova 测试

Python - Anova test in multiple loops

loops

anova

pandas

statsmodels