单因素方差分析python
时间: 2023-06-30 10:14:20 浏览: 79
在Python中,可以使用SciPy库中的stats模块来进行单因素方差分析。下面是一个简单的例子:
```python
import numpy as np
from scipy import stats
# 生成随机数据
group1 = np.random.normal(loc=10, scale=2, size=100)
group2 = np.random.normal(loc=12, scale=2, size=100)
group3 = np.random.normal(loc=15, scale=2, size=100)
# 将数据合并成一个数组
data = np.concatenate([group1, group2, group3])
# 生成分组标签
labels = ['group1'] * 100 + ['group2'] * 100 + ['group3'] * 100
# 使用stats.f_oneway函数进行单因素方差分析
f_statistic, p_value = stats.f_oneway(group1, group2, group3)
print('F statistic:', f_statistic)
print('p value:', p_value)
```
在上面的例子中,我们生成了三个具有不同均值和标准差的正态分布随机数据,并将它们合并成一个数组。然后,我们使用`stats.f_oneway`函数进行单因素方差分析,并得到了F统计量和p值。F统计量用于衡量不同组之间均值的差异,p值则用于判断这种差异的显著性。如果p值小于0.05,则我们可以认为这种差异是显著的。