stats.f_oneway Scipy Anova 返回 2 个具有 4 个值的数组答案

【问题标题】：stats.f_oneway Scipy Anova returns 2 arrays with 4 valuesstats.f_oneway Scipy Anova 返回 2 个具有 4 个值的数组
【发布时间】：2019-11-26 21:54:42
【问题描述】：

尝试对大致如下所示的数据运行一种方法 Anova：

Year   | Diversity  |
2010   |   6        |
2010   |   8        |
...    |   ...      |
2011   |   10       |
...    |   ...      |
2019   |   7        |

有1827行，每年范围内各个点的多样性值。我正在逐年比较差异。当我这样做时

F, p = stats.f_oneway(df.loc[df["Year"] == 2010],
               df.loc[df["Year"] == 2011],
               df.loc[df["Year"] == 2012])

（这里我省略了其余的组，因为这非常难看，但我不知道如何通过不同的组进行 Anova 测试）。我得到一个数组，每个 F 和 p 有 2 个值：

F: type float64, size (2,),
-2.588805281700000000e+11, 4.908743340532151223e+00
p: type float64, size (2,),
nan, 0.00774507

根据我的阅读，我找不到任何人得到 2 个数组，应该只有一个 F 值和一个 P 值，我做错了什么？（df 中没有零或 NAN）。

当我这样做时：

mod = ols('Diversity ~ (Year)', data = df).fit()
mod.summary()

我得到一个普通的汇总表，F = 1.462，p = 0.227（与我上面的尝试不同）。

任何关于我的烂摊子的想法将不胜感激......

【问题讨论】：

标签： python pandas scipy statistics anova

【解决方案1】：

您的 DataFrame 有 2 列，即使在切片之后也是如此，因此您返回 2 个 p 值和 2 个 F 值，一个用于跨样本比较每一列。您应该将每个选择更改为仅包含 'Diversity' 列，例如：

df.loc[df['Year'] == 2010, 'Diversity']

如果您只想对样本中所有年份的多样性进行方差分析，您可以通过以下方式紧凑地执行此操作：

stats.f_oneway(*[s for idx, s in df.groupby('Year').Diversity])

MCVE

import pandas as pd
import numpy as np
from scipy import stats

l = [pd.DataFrame(np.random.randint(1, 10, (50, 4))) for i in range(7)]
                                              # |
                                              # 4 cols, should get 4 p-vals/F-vals

stats.f_oneway(*l)
#F_onewayResult(statistic=array([0.70527759, 0.2291319 , 0.03545031, 0.02568242]), 
#                  pvalue=array([0.49563511, 0.79550711, 0.96517894, 0.97464894]))
                               #    col1         col2        col3       col4

【讨论】：