这篇教程python验证多组数据之间有无显著差异写得很实用，希望能帮到您。
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 olsfrom statsmodels.stats.anova import anova_lmmodel = 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 mathdata3=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。 到此这篇关于python验证多组数据之间有无显著差异的文章就介绍到这了,更多相关python验证多组数据之间有无显著差异内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python爬虫爬取网站图片
Python爬取当网书籍数据并数据可视化展示 |
