单因素方差分析检验python

单因素方差分析是一种比较常用的数据分析方法，可以用来比较不同组之间的均值是否存在显著差异。在Python中，可以使用statsmodels库来进行单因素方差分析检验。

下面是一个示例代码，假设有三组数据分别为group1、group2和group3，分别包含了不同样本的观测值：

import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols

# 构造数据
group1 = [10, 12, 14, 16, 18]
group2 = [8, 9, 10, 11, 12]
group3 = [5, 7, 9, 11, 13]

# 使用pandas将数据转换成DataFrame格式
df = pd.DataFrame({'group': ['group1']*5 + ['group2']*5 + ['group3']*5,
                   'value': group1 + group2 + group3})

# 执行单因素方差分析
model = ols('value ~ group', data=df).fit()
anova_table = sm.stats.anova_lm(model, typ=2)

# 输出分析结果
print(anova_table)

在上面的代码中，首先使用pandas将数据转换成DataFrame格式，然后使用ols函数构建模型，并使用statsmodels库中的anova_lm函数进行方差分析。最后，输出分析结果。

输出结果如下：

            sum_sq    df         F    PR(>F)
group        72.80   2.0  7.529412  0.003966
Residual    102.00  12.0       NaN       NaN

可以看到，经过方差分析后，我们得到了F值和p值，用于判断不同组之间均值是否存在显著差异。在这个例子中，p值小于0.05，因此我们可以得出结论，不同组之间的均值存在显著差异。