差异检验的python实现

因为工作的原因,编写了许多用于差异检验的统计分析工具,使分析流程更加高效。鉴于差异检验的原理较为基础,因此本文不对其进行介绍,只展示编写好的相应分析代码。

1. 多变量均值与理论均值差异的单样本t检验

def multiVar_onesamp_ttest(df,varlist):
    '''
    varlist是列名称的列表
    '''
    try:
        for i in orderlist:
            d_mean = df.loc[:,i].mean()
            d_max = df.loc[:,i].max()
            d_min = df.loc[:,i].min()
            d_theory_mean = (d_max + d_min) / 2
            t,p = stats.ttest_1samp(df[i],d_theory_mean)
            sd = df.loc[:,i].std()
            cohen_d = abs(d_mean - d_theory_mean) / sd
            print('题目名称:{}'.format(df[i].name))
            print('均值为{0:.3f},标准差为:{4:.3f},理论均值为{1:.3f},均值与理论中值的差异检验,t={2:.3f},p={3:.3f}'
                .format(d_mean,d_theory_mean,t,p,sd))
            print('效应量为{:.3f}'.format(cohen_d))
    except:
        print('参数输入错误,请重新输入。')

2. 方差分析

def anova(df,classes,varia):
    '''
    classes 和 varia分别是作为自变量的类别变量和作为因变量的连续变量在df里的列序号
    '''
    try:
        from statsmodels.formula.api import ols
        from statsmodels.stats.anova import anova_lm
        from statsmodels.stats.multicomp import pairwise_tukeyhsd
        nominal = df[classes].unique()
        data_for_nominal = dict({})
        for i in nominal:
            data_for_nominal[i] = df[df[classes]==i][varia].tolist()
            mean_i = np.mean(data_for_nominal[i])
            std_i = np.std(data_for_nominal[i])
            len_count_arrayi = len(data_for_nominal[i])
            print('组别为“{0}”,n={3},该组均值为{1:.3f},该组方差为{2:.3f}'.format(i,mean_i,std_i,len_count_arrayi))
        
        fenlei = df[classes].name
        lianxu = df[varia].name
        df1 = df.copy()
        df1.rename(columns={fenlei:'fenlei',lianxu:'lianxu'},inplace=True)
        formula = 'lianxu' +'~'+'C(fenlei)'
        data_anova = anova_lm(ols(formula,df1).fit())
        print('方差分析结果如下:')
        print(data_anova)
        tukey = pairwise_tukeyhsd(df1['lianxu'],df1['fenlei'],alpha=0.05)
        
        print('事后比较结果如下:')
        print(tukey)
    except:
        print('参数输入错误,请重新输入。')

3. 独立样本t检验

def ind_ttest(df,cate,iv): # 输入数据集、分组变量和因变量序号,就可以进行分析
    from scipy import stats
    categories = df[cate].unique()
    if len(categories) == 2:
        x1 = categories[0]
        x2 = categories[1]
        from scipy.stats import levene
        class_1 = df[df[cate] == x1][iv]
        class_2 = df[df[cate] == x2][iv]
        stat, p_lev = levene(class_1,class_2)
        t,p = stats.ttest_ind(class_1,class_2)
        mean_1 = round(np.mean(class_1),3)
        std_1 = round(np.std(class_1),3)
        mean_2 = round(np.mean(class_2),3)
        std_2 = round(np.std(class_2),3)
        sampleN_1 = len(class_1)
        sampleN_2 = len(class_2)
        DV = abs(mean_1 - mean_2)
        co_std = ((std_1**2 + std_2**2)/2)**0.5
        cohen_d = DV / co_std
        print('方差齐性检验的统计量为{0:.3f},p = {1:.2f}'.format(stat,p_lev))
        print('类别为“{0}”的个案数n = {1}, 平均数M = {2:.3f}, 标准差std = {3:.3f}.'.format(x1,sampleN_1,mean_1,std_1))
        print('类别为“{0}”的个案数n = {1}, 平均数M = {2:.3f}, 标准差std = {3:.3f}.'.format(x2,sampleN_2,mean_2,std_2))
        print('独立样本t检验的结果为 t = {0:.3f}, p = {1:.3f}, 两组平均值的差值 = {2:.3f}'.format(t,p,DV))
        print('效应量 d = {0:.3f}'.format(cohen_d))
    else:
        print('分类变量不是二分类,无法执行独立样本t检验。')

4. 卡方检验

def chi(df,v1,v2): #数据集,两个分类变量的序号
    from scipy.stats import chi2_contingency
    #先计算出列联表,并且存储在已有的空列联表中
    try:
        v1_class = df[v1].unique().tolist()
        v2_class = df[v2].unique().tolist()
        df_contingencyT = pd.DataFrame(index=v1_class,columns=v2_class)
        for i in v1_class:
            for j in v2_class:
                df_cut = df[[v1,v2]]
                df_cut_v1 = df_cut[df_cut.iloc[:,0] == i]
                df_cut_v1_v2 = df_cut_v1[df_cut_v1.iloc[:,1] == j]
                freq = len(df_cut_v1_v2.iloc[:,0])
                df_contingencyT.loc[i,j] = freq
        chi2, p, dof, ex = chi2_contingency(df_contingencyT,correction=False)
        print('卡方计算结果为 = {0:.3f}, p = {1:.3f}'.format(chi2,p))
        print('自由度为 {}'.format(dof))
    except:
        print('参数输入有误,请重新写入。')

5. 前后测单项李克特五点计分题目比较

def m_ttest_percent_compare(df,before,after): # df为dataframe,before为前测变量在dataframe中的序号,after为后测的序号
    try:
        before_score = df.loc[:,before]
        after_score = df.loc[:,after]
        print('输入的前测变量名为:{}'.format(df.loc[:,before].name))
        print('输入的后测变量名为:{}'.format(df.loc[:,after].name))
        mean_b = round(before_score.mean(),3)
        mean_a = round(after_score.mean(),3)
        percent = round(abs(mean_a - mean_b)/mean_b * 100,3)
        t,p = stats.ttest_rel(before_score,after_score)
        before_VC = before_score.value_counts()
        after_VC = after_score.value_counts()
        print('前测平均分为:{}'.format(mean_b))
        print('后测平均分为:{}'.format(mean_a))
        print('前后测分数差:{:.3f}'.format(abs(mean_a-mean_b)))
        print('前后测分数变化比率(变化绝对值除以前测分数):{}%'.format(percent))
        print('前后测相关样本t检验的结果,t={0:.3f},p={1:.3f}'.format(t,p))
        print('前测得分统计:')
        for i in before_VC.index:
            ratio = before_VC[i] / len(before_score) * 100
            ratio = round(ratio,3)
            print('分类名称:{0}; 总数:{1}; 占比:{2:.3f}%'.format(i,before_VC[i],ratio))
        print('后测得分统计:')
        for i in after_VC.index:
            ratio = after_VC[i] / len(after_score) * 100
            ratio = round(ratio,3)
            print('得分:{0}; 总数:{1}; 占比:{2:.3f}%'.format(i,after_VC[i],ratio))
    except:
        print('输入的参数不正确,请重新输入。')

目前本人常用到的工具就是这些,后续将继续完善参数与非参数检验的常见统计分析方法的python实现。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,634评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,951评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,427评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,770评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,835评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,799评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,768评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,544评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,979评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,271评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,427评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,121评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,756评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,375评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,579评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,410评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,315评论 2 352

推荐阅读更多精彩内容