python操纵excel方差分析

要使用Python进行Excel方差分析，需要借助pandas和numpy等库。首先，使用pandas的read_excel函数读取Excel文件数据，并将其存储到一个DataFrame对象中，例如：tcm_data = pd.read_excel('data_expert.xls')。接下来，可以使用DataFrame的columns属性获取所有列名，将其转换为列表形式，保存在measures变量中，例如：measures = tcm_data.columns.values.tolist()。然后，根据具体的算法，对数据进行运算处理。

下面是一个示例的算法操作的代码片段：

name = measures[cid]
lables = tcm_data[name].values.tolist()
wid_size = wid_e - wid_s
means = np.zeros((wid_size, 2))
variances = np.zeros((wid_size, 2))
normality = np.zeros(wid_size) # save normality or not. 1 means normality, 0 means not normality
scores = np.zeros(wid_size) # save p scores
t = np.zeros(wid_size) # save t
cnt = 0
samples = list()
samples_size = list()

for j in range(wid_s, wid_e + 1):
    bio_measures = tcm_data == 0:
                n1 += 1
                x1 = bio_measures[i]
                group1.append(bio_measures[i])
            if lables[i == 1:
                n2 += 1
                x2 = bio_measures[i]
                group2.append(bio_measures[i])

    tmp_sample = {'group1':group1, 'group2':group2}
    samples.append(tmp_sample)
    samples_size.append([n1, n2])

    if the number of missing value > 50%, do not consider this medical measure

此示例代码将计算方差分析的相关指标，并将结果保存在means、variances、normality、scores、t等变量中。你可以根据具体需要进行进一步的分析或操作。

另外，你还可以使用scipy库中的stats模块进行正态性检验。例如，可以使用normaltest函数对所有数据或某个特定分组数据进行正态性检验，如：p1 = stats.normaltest(groupAll)。通过观察返回结果的p值，可以判断数据是否符合正态分布。

在实际使用中，你需要根据你的数据和具体的分析需求进行相应的代码修改和适配。以上只是一个简单的示例，希望能对你有所帮助。