Pandas 中的重复测量方差分析，不同列中的因变量值

问题描述

我是数据科学的新手，所以对于更高级的编码人员来说，这可能会很容易。我想根据不同组（实验组与对照组）中测试的前后测量结果进行重复测量方差分析。每个科目只参加一个小组。

在我的 Pandas - df 我有以下列： “主题 ID”（唯一）、“条件”（实验或控制）、“测量前值”、“测量后值”...

     subject_id = [1,2,3,4]
     condition = [1,1,2]
     pre = [1.1,2.1,3.1,4.1]
     post = [1.2,2.2,3.2,4.2]
     sample_df = pd.DataFrame({"Subject ID": subject_id,"Condition": condition,"Pre": pre,"Post": post})
     sample_df

我如何使用 ANOVA 进行分析？我见过的包使用数据框，其中 dep 变量位于一列中，而在我的数据框中，我要评估的依赖度量位于两列中。我是否需要添加另一列，指定每个值和条件的值是前置还是后置。有没有“方便”的功能来做这样的事情？

具体来说，输出需要如下所示：

subject_id_new = [1,4,4]
condition_new = [1,2]
measurement = ["pre","post","pre","post"]
value = [1.1,1.2,4.1,4.2] 
new_df = pd.DataFrame({"Subject ID":subject_id_new,"Condition": condition_new,"Measurement": measurement,"Value": value})

非常感谢。

解决方法

其实我找的是：

sample_df.melt(id_vars=['Subject ID',"Condition"])

这会导致数据框中有一列指定值所指的测量点。

anova pandas