我试图做一个双向方差分析，我试图找到两个变量（B 和 M）对样本分类的重要性（由参数 C 给出）。
我试图重塑数据框，使其适合statsmodels包。但是，我只能使用 pd.melt 一次包含一个变量（B 或 M）。
关于如何使用两个变量的值来执行双向 ANOVA（以给出的代码的最后两行的方式）的任何建议将是一个很大的帮助。
B 、 M 和 C 的值：
B : [10.,4.,4.,6.,5.]
M : [9.,6.,8.,4.,6.]
C : [1.,2.,2.,3.,1.]
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols
d = pd.read_csv("/Users/Hrihaan/Desktop/Data.txt", sep="\s+")
d_melt = pd.melt(d, id_vars=['C'], value_vars=['B'])
#model = ols('C ~ C(B) + C(M) + C(B):C(M)', data=d_melt).fit()
#anova_table = sm.stats.anova_lm(model, typ=2)
0
你接近答案：
B = [10.,4.,4.,6.,5.]
M = [9.,6.,8.,4.,6.]
C = [1.,2.,2.,3.,1.]
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import ols
d = pd.DataFrame()
d["B"]=B
d["M"]=M
d["C"]=C
model = ols("C ~ B + M + B:M",data = d).fit()
anova_table = sm.stats.anova_lm(model, typ=2)
创建数据帧，设置模型，执行 Anova
本站系公益性非盈利分享网址，本文来自用户投稿，不代表边看边学立场，如若转载，请注明出处
评论列表（62条）