这个单因素分析一般是用来研究不同行业股票收益水平。

比如下面的代码：

from statsmodels.stats.anova import anova_lm
from statsmodels.formula.api import ols
import pandas as pd

df = pd.DataFrame(
    [
        [1.4, "one"], [1.5, "one"], [1.6, "one"], [0.1, "two"], [0.2, "two"], [0.3, "two"]
     ],
    columns=['rate', 'type']
)

if __name__ == '__main__':
    model = ols('rate ~type', data=df)
    data = model.fit()
    print(anova_lm(data))
    pass

运行截图如下：

解释下数据：

df = pd.DataFrame(
    [
        [1.4, "one"], [1.5, "one"], [1.6, "one"], [0.1, "two"], [0.2, "two"], [0.3, "two"]
     ],
    columns=['rate', 'type']
)

这里one是一个类型，two是一个类型，前面的数据，代表年增长率。

解释下代码：

model = osl(‘样本某一列 ~ 样本另一列’)

table1= anova.anova_lm(model)

结果中可以知道，p=0.0000091，默认情况下显著水平为0.05，也就是0.05以上代表2个类型，很相似，无关性小，0.05以下，代表2个类型不相似，也就是说不同行业股票收益水平不同。