使用scipy进行数据框内组间方差分析(ANOVA)

Question

我有一个数据框如下所示。我需要在三种条件之间进行ANOVA分析。数据框长这样：

data0 = pd.DataFrame({'Names': ['CTA15', 'CTA15', 'AC007', 'AC007', 'AC007','AC007'], 
    'value': [22, 22, 2, 2, 2,5], 
    'condition':['NON', 'NON', 'YES', 'YES', 'RE','RE']})

我需要在“是”和“否”，“否”和“再次”，“是”和“再次”这几个条件下，对姓名的各种情况进行方差分析(ANOVA)测试。

我知道可以像这样做：

NON=df.query('condition =="NON"and Names=="CTA15"')
no=df.value
YES=df.query('condition =="YES"and Names=="CTA15"')    
Y=YES.value

然后按照以下方式执行单因素方差分析：

    from scipy import stats                
    f_val, p_val = stats.f_oneway(no, Y)            
    print ("One-way ANOVA P =", p_val )

如果有一种优雅的解决方案，那就太好了，因为我的初始数据框很大，有许多名称和条件需要比较。

- user1017373

Answer 1

考虑以下示例DataFrame：

df = pd.DataFrame({'Names': np.random.randint(1, 10, 1000), 
                   'value': np.random.randn(1000), 
                   'condition': np.random.choice(['NON', 'YES', 'RE'], 1000)})

df.head()
Out: 
   Names condition     value
0      4        RE  0.844120
1      4       NON -0.440285
2      5       YES  0.559497
3      4        RE  0.472425
4      9       YES  0.205906

以下代码将DataFrame按照姓名分组，然后将每个条件分组传递给ANOVA进行处理：

import scipy.stats as ss
for name_group in df.groupby('Names'):
    samples = [condition[1] for condition in name_group[1].groupby('condition')['value']]
    f_val, p_val = ss.f_oneway(*samples)
    print('Name: {}, F value: {:.3f}, p value: {:.3f}'.format(name_group[0], f_val, p_val))

Name: 1, F value: 0.138, p value: 0.871
Name: 2, F value: 1.458, p value: 0.237
Name: 3, F value: 0.742, p value: 0.479
Name: 4, F value: 2.718, p value: 0.071
Name: 5, F value: 0.255, p value: 0.776
Name: 6, F value: 1.731, p value: 0.182
Name: 7, F value: 0.269, p value: 0.764
Name: 8, F value: 0.474, p value: 0.624
Name: 9, F value: 1.226, p value: 0.297

你可以使用statsmodels进行事后检验（如此处所述）：

from statsmodels.stats.multicomp import pairwise_tukeyhsd
for name, grouped_df in df.groupby('Names'):
    print('Name {}'.format(name), pairwise_tukeyhsd(grouped_df['value'], grouped_df['condition']))

名称1均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 0.0086 -0.5129 0.5301 False 非 是 0.0084 -0.4817 0.4986 False 零 是 -0.0002 -0.5217 0.5214 False --------------------------------------------- 名称2均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 -0.0089 -0.5299 0.5121 False 非 是 0.083 -0.4182 0.5842 False 零 是 0.0919 -0.4008 0.5846 False --------------------------------------------- 名称3均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 0.2401 -0.3136 0.7938 False 非 是 0.2765 -0.2903 0.8432 False 零 是 0.0364 -0.5052 0.578 False --------------------------------------------- 名称4均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 0.0894 -0.5825 0.7613 False 非 是 -0.0437 -0.7418 0.6544 False 零 是 -0.1331 -0.6949 0.4287 False --------------------------------------------- 名称5均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 -0.4264 -0.9495 0.0967 False 非 是 0.0439 -0.4264 0.5142 False 零 是 0.4703 -0.0155 0.9561 False --------------------------------------------- 名称6均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 0.0649 -0.4971 0.627 False 非 是 -0.406 -0.9405 0.1285 False 零 是 -0.4709 -1.0136 0.0717 False --------------------------------------------- 名称7均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 0.3111 -0.2766 0.8988 False 非 是 -0.1664 -0.7314 0.3987 False 零 是 -0.4774 -1.0688 0.114 False --------------------------------------------- 名称8均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下限 上限 拒绝 --------------------------------------------- 非 零 -0.0224 -0.668 0.6233 False 非 是 0.0119 -0.668 0.6918 False 零 是 0.0343 -0.6057 0.6742 False --------------------------------------------- 名称9均值比较- Tukey HSD，FWER=0.05 ============================================= 组1 组2 均值差 下

- ayhan