Python玩转数据分析——双因素方差分析

最新推荐文章于 2024-09-10 21:39:22 发布

Sinpoint

最新推荐文章于 2024-09-10 21:39:22 发布

阅读量6.9k

点赞数 9

分类专栏： python 方差分析文章标签： python 方差分析双因素方差分析

本文链接：https://blog.csdn.net/Raider_zreo/article/details/101035673

版权

本文介绍了Python在双因素方差分析中的应用，分别展示了无交互作用和有交互作用情况下的数据分析过程，通过实例解释如何利用Python进行数据导入和统计分析，揭示不同因素对销量和火箭射程的显著影响。

摘要由CSDN通过智能技术生成

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。双因素方差分析即影响试验的因素有两个，且分为无交互作用和有交互作用两种情况。

一、无交互作用的情况

由于不考虑交互作用的影响，对每一个因素组合 ( Ai , Bj ) 只需进行一次独立试验，称为无重复试验。

准备数据

考虑三种不同形式的广告和五种不同的价格对某种商品销量的影响。选取某市15家大超市，每家超市选用其中的一个组合，统计出一个月的销量如下（设显著性水平为0.05）：在这里插入图片描述
将数据导入python，代码如下：

dic_t2=[{
   '广告':'A1','价格':'B1','销量':276},{
   '广告':'A1','价格':'B2','销量':352},
       {
   '广告':'A1','价格':'B3','销量':178},{
   '广告':'A1','价格':'B4','销量':295},
       {
   '广告':'A1','价格':'B5','销量':273},{
   '广告':'A2','价格':'B1','销量':114},
       {
   '广告':'A2','价格':'B2','销量':176},{
   '广告':'A2','价格':'B3','销量':102},
       {
   '广告':'A2','价格':'B4','销量':155},{
   '广告':'A2','价格':'B5','销量':128},
       {
   '广告':'A3','价格':'B1','销量':364},{
   '广告':'A3','价格':'B2','销量':547},
       {
   '广告':'A3','价格':'B3','销量':288},{
   '广告':'A3','价格':'B4','销量':392},
       {
   '广告':'A3','价格':'B5','销量':378}]
df_t2=pd.DataFrame(dic_t2,columns=['广告','价格','销量'])