python分析数据差异的方法_用Python的两种方法进行方差分析

在进行数据分析时，我们往往会遇到要对某个变量的影响因素进行分析的情况，而影响一事物的因素往往是很多的。比如在化工生产中，有温度、压力、剂量、反应时间等因素。每一因素的改变都有可能影响产品的数量和质量。我们往往要找出对产品质量有显著影响的那些因素。而方差分析就是根据试验的结果进行分析，鉴别各个有关因素对试验结果影响的有效方法，本文主要讲述如何用python中的两种方法来进行方差分析。

首先，还是先简介一下方差分析。

方差分析（Analysis of Variance，ANOVA）又称“变异数分析”或“F检验”，是由罗纳德·费舍尔（Ronald Aylmer Fisher）发明的，用于两个及两个以上样本均数差别的显著性检验，其原理是认为不同处理组的均数间的差别基本来源有两个：

(1) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSa，组间自由度dfa。

(2) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSe，组内自由度dfe。

总偏差平方和 SSt = SSa + SSe。

组内SSe、组间SSa除以各自的自由度（组内dfe =n-m，组间dfa=m-1，其中n为样本总数，m为组数），得到其均方MSe和MSa，一种情况是处理没有作用，即各组样本均来自同一总体，MSa/MSe≈1。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MSa>>MSe（远大于）。

MSa/MSe比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。

然后，我们再说明一下数据集。

数据集非常简单，只有5组数值，每组数值有4个，共20个数字。分别命名为group1、group2