使用python进行单因素方差分析（ANOVA）和事后多重比较(LSD)

#idea来源#

    在使用spss帮朋友做单因素分析时，发现个别数据需要调整到符合显著性的要求，在spss中修改数据，再在spss中操作步骤太麻烦，于是有了这个想法。

程序思路

1、将数据放到excel里，确定两列数据，Group（分组数据）和B（对应数据列）

2、程序读取excel数据

3、整理数据格式，将数据分组，将数据从宽格式转换为长格式，以便于进行ANOVA分析。

4、执行单因素方差分析（ANOVA），使用 statsmodels 的 ols 和 anova_lm 方法进行单因素方差分析。

5、计算均方误差（MSE）和LSD值，计算每组的均值和标准差，根据均方误差和样本量计算LSD值。

6、进行LSD多重比较，比较各组之间的均值差异，判断是否显著。

程序代码：

import pandas as pd
import numpy as np
from scipy import stats
import statsmodels.api as sm
from statsmodels.formula.api import ols

# 读取数据
file_path = 'data.xlsx'  # 替换为你的数据文件路径
df = pd.read_excel(file_path)

# 查看数据结构
print(df.head())

# 转换数据格式为长格式
data_long = pd.melt(df, id_vars=['Group'], value_vars=['B'], var_name='Sample', value_name='Value')

# 查看长格式数据
print(data_long.head())

# 执行单因素方差分析（ANOVA）
model = ols('Value ~ C(Group)', data=data_long).fit()
anova_table = sm.stat