python驗證多組數據之間有什么差異

這篇文章主要介紹python驗證多組數據之間有什么差異，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

一、方差分析

1.單因素方差分析

通過箱線圖可以人肉看出10組的訂單量看起來差不多，為了更科學比較10組的訂單量有無顯著差異，我們可以利用方差分析

from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
model = ols('orders~C(label)',data=need_data).fit()
anova_table = anova_lm(model, typ = 2)
print(anova_table)

結果顯示，p值為0.62大于0.05，不能拒絕原假設，所以這10組的訂單量分布沒有顯著差異。

二、卡方檢驗

如果是比較多組之間的非連續值指標是否存在差異呢？

如檢查上面10組的男女比例是否存在顯著差異

計算各組觀察頻數：

data2=data1.melt(id_vars=['性別'],value_name='觀察頻數')
data2.head()

計算總體的男女比例：

rate=(data2.groupby(['性別'])['觀察頻數'].sum()/data2.groupby(['性別'])['觀察頻數'].sum().sum()).reset_index()
rate.columns=['性別','rate']
rate

計算各組用戶總數：

group_sum=data2.groupby(['組別'])['觀察頻數'].sum().reset_index()
group_sum.columns=['組別','組內用戶數']
group_sum

計算卡方值：

import math
data3=pd.merge(data2,group_sum,on=['組別'],how='left')
data3=pd.merge(data3,rate,on=['性別'],how='left')
data3['期望頻數']=data3['組內用戶數']*data3['rate']
data3['卡方值']=data3.apply(lambda x: math.pow((x.期望頻數-x.觀察頻數),2)/x.期望頻數,axis=1)
data3.head()

本案例的自由度為(10-1)*(2-1)=9,選取顯著性水平為0.05，查卡方分布表得臨界值為18.31
因為7.01<18.31,所以不能拒絕原假設，即各組的性別分布不存在顯著性差異。

以上是“python驗證多組數據之間有什么差異”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！