Python实现多组数据显著性差异检验：方差分析与卡方检验实战

一颗松果

发布时间：2026-10-15| 2人浏览过

原创

本文介绍如何使用Python对多组数据进行显著性差异检验。通过单因素方差分析判断连续变量（如订单量）在各组间是否存在显著差异，并利用卡方检验评估分类指标（如男女比例）的分布一致性。文章包含具体代码实现、统计量计算过程及结果解读，帮助开发者科学验证数据分布特征。

一、方差分析

1.单因素方差分析

观察箱线图可知，10个组的订单量数值分布较为接近。为了更严谨地评估这10组订单量是否存在统计学上的显著差异，采用方差分析方法进行验证。

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)

分析结果显示，p值为0.62，该值大于显著性水平0.05。因此无法拒绝原假设，结论表明这10组数据的订单量分布不存在显著差异。

二、卡方检验

若需比较多组数据中非连续型指标是否存在差异，应如何处理？

例如，检验上述10个组别中男女比例是否分布一致。

首先计算各组的观察频数：

data2=data1.melt(id_vars=['性别'],value_name='观察频数')
data2.head()

接着计算总体的男女比例：

rate=(data2.groupby(['性别'])['观察频数'].sum()/data2.groupby(['性别'])['观察频数'].sum().sum()).reset_index()
rate.columns=['性别','rate']
rate

随后统计各组用户总数：

group_sum=data2.groupby(['组别'])['观察频数'].sum().reset_index()
group_sum.columns=['组别','组内用户数']
group_sum

最后计算卡方统计量：

import math
data3=pd.merge(data2,group_sum,on=['组别'],how='left')
data3=pd.merge(data3,rate,on=['性别'],how='left')
data3['期望频数']=data3['组内用户数']*data3['rate']
data3['卡方值']=data3.apply(lambda x: math.pow((x.期望频数-x.观察频数),2)/x.期望频数,axis=1)
data3.head()