使用STATSMODELS的单向Anova

Question

我试图在三组之间进行单向方差分析。我已经能够使用SCIPY.STATS获得F统计量和F分布的p值。然而，我更喜欢将ANOVA表作为具有平方和的R样输出。我的SCIPY.STATS单向方差分析代码如下所示。STATSMODELS方差分析的所有文档都使用pandas数据帧。任何关于如何调整STATSMODELS现有代码的帮助都将不胜感激。

import numpy as np
import pandas as pd
import scipy.stats as stats
from scipy.stats import f_oneway
data1= pd.read_table('/Users/Hrihaan/Desktop/Sample_A.txt', dtype=float, header=None, sep='s+').values
data2= pd.read_table('/Users/Hrihaan/Desktop/Sample_B.txt', dtype=float, header=None, sep='s+').values
data3= pd.read_table('/Users/Hrihaan/Desktop/Sample_C.txt', dtype=float, header=None, sep='s+').values
Param_1=data1[:,0]
Param_2=data2[:,0]
Param_3=data3[:,0]
f_oneway(Param_1, Param_2, Param_3) 

Answer 1

您可以使用长格式的数据，首先我生成一些看起来像您的数据的东西：

import numpy as np
import pandas as pd
import scipy.stats as stats
from scipy.stats import f_oneway
np.random.seed(111)
Param_1=np.random.normal(0,1,50)
Param_2=np.random.normal(0,1,40)
Param_3=np.random.normal(0,1,30)
f_oneway(Param_1, Param_2, Param_3) 
F_onewayResult(statistic=0.43761348608371037, pvalue=0.6466275522246159)

你可以制作像下面这样的长data.frame，或者基本上在你读取文件后制作它，并做一个pd.concat:

df = pd.DataFrame({'val':np.concatenate([Param_1,Param_2,Param_3]),
'data':np.repeat(['A','B','C'],[len(Param_1),len(Param_2),len(Param_3)])})
df.head()
val data
0   -1.133838   A
1   0.384319    A
2   1.496554    A
3   -0.355382   A
4   -0.787534   A

现在我们拟合一个线性模型，并对其进行方差分析：

import statsmodels.api as sm
from statsmodels.formula.api import ols
mod = ols('val ~ data',data=df).fit()
sm.stats.anova_lm(mod, typ=1) 
df    sum_sq  mean_sq F   PR(>F)
data    2.0 0.794858    0.397429    0.437613    0.646628
Residual    117.0   106.256352  0.908174    NaN NaN