python验证多组数据之间有无显著差异
时间：2023-01-23 08:25:06 | 栏目：Python代码 | 点击：次
一、方差分析
1.单因素方差分析
通过箱线图可以人肉看出10组的订单量看起来差不多，为了更科学比较10组的订单量有无显著差异，我们可以利用方差分析
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
model = ols('orders~C(label)',data=need_data).fit()
anova_table = anova_lm(model, typ = 2)
print(anova_table)
结果显示，p值为0.62大于0.05，不能拒绝原假设，所以这10组的订单量分布没有显著差异。
二、卡方检验
如果是比较多组之间的非连续值指标是否存在差异呢？
如检查上面10组的男女比例是否存在显著差异
计算各组观察频数：
data2=data1.melt(id_vars=['性别'],value_name='观察频数') data2.head()
计算总体的男女比例：
rate=(data2.groupby(['性别'])['观察频数'].sum()/data2.groupby(['性别'])['观察频数'].sum().sum()).reset_index() rate.columns=['性别','rate'] rate
计算各组用户总数：
group_sum=data2.groupby(['组别'])['观察频数'].sum().reset_index() group_sum.columns=['组别','组内用户数'] group_sum
计算卡方值：
import math data3=pd.merge(data2,group_sum,on=['组别'],how='left') data3=pd.merge(data3,rate,on=['性别'],how='left') data3['期望频数']=data3['组内用户数']*data3['rate'] data3['卡方值']=data3.apply(lambda x: math.pow((x.期望频数-x.观察频数),2)/x.期望频数,axis=1) data3.head()
本案例的自由度为(10-1)*(2-1)=9,选取显著性水平为0.05，查卡方分布表得临界值为18.31
因为7.01<18.31,所以不能拒绝原假设，即各组的性别分布不存在显著性差异。