Python数据分析之方差分析-阿里云开发者社区

开发者社区> 大数据> 正文

Python数据分析之方差分析

简介: 问题 设某苗圃对一花木种子制定了5种不同的处理方法,每种方法处理了6粒种子进行育苗试验。一年后观察苗高获得资料如下表。已知除处理方法不同外,其他育苗条件相同且苗高的分布近似于正态、等方差,试以95%的可靠性判断种子的处理方法对苗木生长是否有显著影响。

问题

设某苗圃对一花木种子制定了5种不同的处理方法,每种方法处理了6粒种子进行育苗试验。一年后观察苗高获得资料如下表。已知除处理方法不同外,其他育苗条件相同且苗高的分布近似于正态、等方差,试以95%的可靠性判断种子的处理方法对苗木生长是否有显著影响。

数据预处理

  1. 做过方差分析的都知道,先做个假设H0:不同处理方法对苗木生长无显著影响。
  2. 看下课程老师给的数据


    img_4c1a8b567233b8f7b4e310215507fbf6.png

    copy出来的格式很不友好,我就写了一个python代码进行转化,代码:

import csv
i = 0
f = open('C://Users/Administrator/Desktop/方差分析.txt','r')
csvfile = open('C://Users/Administrator/Desktop/方差分析.csv','wt',newline='',encoding='utf-8')
writer = csv.writer(csvfile)
for fs in f:
    i = i+1
    contents_1 = fs.strip()
    contents = contents_1.split(',  ')
    for content in contents:
        writer.writerow((content,i))
f.close()
csvfile.close()

可以把数据转化为如下格式,方便在python的方差分析中运行:


img_d47add4122de0dadc5bf99dc7a6ae3a0.png

Python方差分析

df = pd.read_excel('C:/Users/Administrator/Desktop/方差分析.xls',header=None,names=['value','group'])
d1 = df[df['group']==1]['value']
d2 = df[df['group']==2]['value']
d3 = df[df['group']==3]['value']
d4 = df[df['group']==4]['value']
d5 = df[df['group']==5]['value']
args = [d1,d2,d3,d4,d5]
f,p = stats.f_oneway(*args)
print(f,p)

结果如图:


img_b029eaf66ce235b4abba5683261f38d9.png

结论

查表得F0.05(4,25)=2.76,因为F=Sb2/Sw2=4.38﹥F0.05(4,25)=2.76,所以推翻(或者说拒绝)假设H0,即不同的处理方法造成了苗木高生长的差异显著。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据
使用钉钉扫一扫加入圈子
+ 订阅

大数据计算实践乐园,近距离学习前沿技术

其他文章