尝试对看起来像这样的数据运行方差分析的一种方式:
Year | Diversity |
2010 | 6 |
2010 | 8 |
... | ... |
2011 | 10 |
... | ... |
2019 | 7 |
每年有1827行,各个点的多样性值。我正在逐年比较差异。当我这样做
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,因为这很丑陋,但我不知道如何通过其他组进行Anova测试)。我得到一个数组,每个数组的F和p都有2个值:
F: type float64, size (2,),
-2.588805281700000000e+11, 4.908743340532151223e+00
p: type float64, size (2,),
nan, 0.00774507
从我的阅读中,我找不到任何人得到2个数组,它应该只是一个F值和一个P值,我在做严重错误的事情吗? (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...
答案 0 :(得分:1)
您的DataFrame即使在切片后也有2列,因此您将返回2个p值和2个F值,其中一个用于比较样本中的每一列。您应该更改每个选择,使其仅包括'Diversity'
列,例如:
df.loc[df['Year'] == 2010, 'Diversity']
如果您只想对样本中的所有年份进行多元方差分析,则可以使用以下方法紧凑地做到这一点:
stats.f_oneway(*[s for idx, s in df.groupby('Year').Diversity])
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