SPSSAU方差分析+python

the_beginner

已于 2024-01-25 16:21:28 修改

阅读量370

点赞数

CC 4.0 BY-SA版权

分类专栏： Python学习私人笔记文章标签： python 开发语言 SPSSAU 数据分析方差分析

于 2023-07-12 11:48:52 首次发布

本文链接：https://blog.youkuaiyun.com/the_beginner/article/details/131678171

Python学习私人笔记专栏收录该内容

64 篇文章

订阅专栏

文章描述了如何使用Python的pandas库对数据进行预处理，包括读取Excel文件，调整列名，合并DataFrame以及删除含有空值的行。之后，提到了使用SPSSAU工具进行方差分析，但指出免费版仅能分析前100行数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

准备数据

将数据格式调整为以下格式：
在这里插入图片描述

jupyter处理过程

#读取数据
import numpy as np
import pandas as pd

# 创建一个空的DataFrame
t1 = pd.DataFrame()
t2 = pd.DataFrame()
t3 = pd.DataFrame()
T1=pd.read_excel('./数据/抑郁_T1.xlsx')

T1.columns=T1.iloc[0]
T1=T1.drop(T1.index[0])
T1.head(2)
t1['姓名']=T1['姓名：']
t1['抑郁总分']=T1['抑郁总分']
t1.columns=['姓名','T1']
t1.head()

T2=pd.read_excel('./数据/抑郁_T2.xlsx')

T2.columns=T2.iloc[0]
T2=T2.drop(T2.index[0])
T2.head(2)
t2['姓名']=T2['您的姓名：']
t2['抑郁总分']=T2['抑郁总分']
t2.columns=['姓名','T4']
t2.head()

T3=pd.read_excel('./数据/抑郁_T3.xlsx')

T3.columns=T3.iloc[0]
T3=T3.drop(T3.index[0])
T3.head(2)
t3['姓名']=T3['姓名：']
t3['抑郁总分']=T3['抑郁总分']
t3.columns=['姓名','T3']
t3.head()


import pandas as pd

# 假设t1、t2、t3是要拼接的DataFrame
# t1
t11= pd.DataFrame({'姓名': ['张三', '李四', '王五'],
                   '年龄': [25, 30, 35]})
# t2
t21 = pd.DataFrame({'姓名': ['赵六', '钱七'],
                   '年龄': [40, 45]})
# t3
t31 = pd.DataFrame({'姓名': ['孙八'],
                   '年龄': [50]})

# 使用pd.concat()函数拼接DataFrame
concatenated = pd.concat([t11, t21, t31])

# 打印拼接后的DataFrame
print(concatenated)

# 使用pd.merge()函数合并DataFrame
merged = pd.merge(t1, t2, on='姓名')
merged = pd.merge(merged, t3, on='姓名')
merged.columns=['姓名','T1','T4','T5']
merged

import pandas as pd

# 创建原始数据的DataFrame

df = pd.DataFrame(data)

# 使用melt函数将数据转换为指定的格式
melted = pd.melt(df, var_name='阶段', value_name='总分')

# 打印转换后的DataFrame
print(melted)

处理后的数据：

在这里插入图片描述

删除空值

# 删除包含空值的行
df = df.dropna()

在这里插入图片描述

使用SPSSAU进行方差分析

上传数据

在这里插入图片描述

选择数据

在这里插入图片描述

重要提示：没开会员只能分析前100行数据！！！！！！！！！

在这里插入图片描述

前100行数据分析结果

在这里插入图片描述

其他

在这里插入图片描述