Python玩转数据分析——单因素方差分析

概念

方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”或“F检验”，用于两个及两个以上样本均数差别的显著性检验。单因素方差分析即影响试验的因素只有一个。

需要满足的假设

1. 样本是独立的。
2. 每个样本来自正态分布的总体。
3. 各总体的标准偏差都是相等的，即同方差性。

准备数据

将抗生素注入人体会产生抗生素与血浆蛋白质结合的现象，这种结合会降低药效。下表给出了四种常用的抗生素注入到牛的体内时，抗生素与血浆蛋白质结合的百分比。推断不同抗生素的结合百分比是否有显著性差异（设显著性水平为0.05）。

抗生素	结合百分比
A1	29.6 , 24.3 , 28.5 , 32.0 , 28.6 , 31.5 , 25.7
A2	27.3 , 32.6 , 30.8 , 34.8 , 31.4
A3	21.6 , 17.5 , 18.3 , 19.0 , 23.4 , 14.8
A4	29.2 , 32.8 , 25.0 , 24.2 , 28.2 , 27.4

将数据导入Python：

dic_t=[{
   '抗生素':'A1','结合百分比':29.6},{
   '抗生素':'A1','结合百分比':24.3},
      {
   '抗生素':'A1','结合百分比':28.5},{
   '抗生素':'A1','结合百分比':32.0},
      {
   '抗生素':'A1','结合百分比':28.6},{
   '抗生素':'A1','结合百分比':31.5},
      {
   '抗生素':'A1','结合百分比':25.7},{
   '抗生素':'A2','结合百分比':27.3},
      {
   '抗生素':'A2','结合百分比':32.6},{
   '抗生素':'A2','结合百分比':30.8},
      {
   '抗生素':'A2','结合百分比':34.8},