方差分析python代码

方差分析（ANOVA，Analysis of Variance）是一种统计方法，用于比较两个或多个样本集的均值是否有显著差异。在Python中，我们可以使用`scipy.stats`库中的`f_oneway()`函数来进行单因素方差分析，或者`statsmodels`库中的`anovaova`模块进行更复杂的多重比较。

以下是使用`scipy.stats`进行单因素方差分析的基本示例：

from scipy import stats

# 假设我们有三个群体的数据，每群数据存储在一个列表中
group_1 = [score1, score2, ..., score_n]
group_2 = [score1', score2', ..., score_n']
group_3 = [score1'', ...]

# 合并所有数据到一个列表
all_scores = group_1 + group_2 + group_3

# 使用方差分析
F_statistic, p_value = stats.f_oneway(group_1, group_2, group_3)

print("F-statistic:", F_statistic)
print("p-value:", p_value)

# 如果p值小于设定的显著性水平（通常0.05），则拒绝原假设，认为组间存在显著差异

对于更复杂的情况，如`statsmodels`库，则可以这样做：

import statsmodels.api as sm

# 假设df是一个包含各组数据的DataFrame，比如'group'列表示分组
model = sm.formula.api.anova_lm('scores ~ C(groups)', data=df)  # 'scores'是响应变量，'groups'是分类变量
table = model.summary()

print(table)