Python - 方差分析（简单代码）

应用场景：
例如一个分类指标教育等级（等级变量），如（大学 - 1，硕士 - 2，博士 - 3）与连续变量每月的月均支出金额是否相关。

应用条件：
观测样本独立
每一组都符合正态分布
在数据量很大的情况下，抽取3000的样本量，p值<1%就说明有关系。（简单随机抽样即可，分层随机抽样最好）
当然，决策树也可以用来直接判断（不过在目前情况下大可不必）

有木有觉得以上描述特别熟悉呀~，没有错，其实方差分析和我们双样本T检验是亲戚。应用场景和应用条件非常类似。

import pandas as pd
import os 
import numpy as np
import matplotlib.pyplot as plt


os.chdir('C://Users//jane//Desktop')

df=pd.read_csv('TEST2.csv',encoding='gbk')

df.dropna(inplace=True)

df2=df['EDU'].groupby(df['ACC']).describe()

import statsmodels.api as sm
from statsmodels.formula.api import ols

sm.stats.anova_lm(ols('AVG~C(EDU)',data=df).fit())
#这里的C表示的是分类变量，如果说除了教育等级，你还有啥信用等级之类的，你可以直接在C(EDU)+C(CRED)之类的。data就是数据源

P值过大，所以不相关（当然这里的数据都是我瞎编哒，结果不重要。只要你懂这个过程，几行代码就能实现哟）