ANOVA

anova :

on utilise import pandas; df = pandas.DataFrame({'val': [1, 3, 5, 3, 1, 3, 4, 6, 3, 8, 9, 10], 'lab': ['A', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C']})
il faut d'abord faire le fit des données : import statsmodels.formula.api; fit = statsmodels.formula.api.ols('val ~ lab', data = df).fit()
puis, on calcule l'anova : import statsmodels.api; table = statsmodels.api.stats.anova_lm(fit)

le résultat est un data frame avec les colonnes : df, sum_sq, mean_sq, F et PR(>F), et les lignes avec Residual et ici, lab :


           df     sum_sq    mean_sq        F    PR(>F)
lab       2.0  85.866667  42.933333  30.1875  0.000102
Residual  9.0  12.800000   1.422222      NaN       NaN

statsmodels.stats.anova.anova_lm(fit, robust = 'hc3') : utilise une correction pour l'hétéroscédasticité

Tukey HSD après une ANOVA

res = statsmodels.stats.multicomp.pairwise_tukeyhsd(yValues, xValues, alpha = 0.01) où yValues sont des valeurs de type catégorie.
res est un objet de la classe statsmodels.sandbox.stats.multicomp.TukeyHSDResults avec notamment une méthode res.summary() qui renvoie un statsmodels.iolib.table.SimpleTable
res.summary() a un champ data qui donne une liste de liste correspondant au tableau (pour l'avoir dans un dataframe, on peut faire : df = pandas.DataFrame(result.summary().data[1:], columns = result.summary().data[0]))
res.plot_simultaneous() : donne un graphe avec un intervalle pour chaque categorie : les paires significatives sont celles pour lesquelles les intervalles ne se chevauchent pas.

programmer en python, tutoriel python, graphes en python, Aymeric Duclert