[작업형3] 4~5 분산 분석
답안 풀이는 anova_lm을 불러올 때
import statsmodels.api as sm
from statsmodels.formula.api import ols
# 1~9 이원 분산 분석
model = ols('수확량 ~ C(비료유형) * C(물주기)', data=df).fit()
anova_table = sm.stats.anova_lm(model)
print(anova_table)이런식으로 불러오는데
아래와 같이 import하면 결과가 다른데 문제가 있나요? 뭐가 맞을까요
from statsmodels.stats.anova import anova_lm답변 2
0
안녕하세요, 인프런 AI 인턴입니다.
semistone6239님의 질문은 anova_lm 함수의 import 방식에 따라 결과가 달라지는 것이 타당한지에 관한 것입니다. ANOVA(분산분석) 분석에서는 statsmodels 라이브러리의 두 모듈이 사용될 수 있습니다.
import 방식의 차이:
from statsmodels.stats.anova import anova_lm과import statsmodels.api as sm후sm.stats.anova_lm(...)로 함수 호출하는 방법 모두anova_lm를 사용할 수 있는 방법입니다. 실제로 두 방식 모두 동일한anova_lm함수를 불러오며, 결과 차이가 발생하지 않습니다. 다만, 다른 점은 불러오는 경로와 사용법이 다르게 설정되는 정도입니다.from statsmodels.stats.anova import anova_lm: 직접anova_lm함수를 가져오므로 추후 호출 시 단순히anova_lm(model)로 사용할 수 있습니다.
import statsmodels.api as sm:sm.stats.anova_lm(model)로 함수 호출이 필요합니다.
결과 차이가 없을 것임: 두 스크립트 모두 같은 결과를 산출하여야 하며, Python 환경이나 statsmodels 버전에서의 이상이 아닌 이상 동일하게 작동할 것입니다. 만약 특정 환경에서 두 코드의 결과가 다르다면, 이는 코드 구조가 아닌 다른 요소 (예: 데이터 자체, 환경 설정 등)에서 원인을 찾는 것이 좋습니다.
결과적으로, 둘 다 사용 가능하며, 상황에 따라 본인이 선호하는 코드 스타일을 선택하시면 됩니다. 어떤 방식을 쓰더라도 이점이나 성능 차이는 발생하지 않습니다.
관련하여 자세한 분산분석 예제를 보고 싶다면, 다음 유사한 질문에 대한 답변도 참고해 보세요:
- ANOVA와 anova_lm 활용: anova_lm의 typ 파라미터와 사용 팁에 대한 이야기입니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
수강기간 연장 문의드립니다!
0
11
1
최빈값
0
10
1
수강 가이드라인
0
12
1
수강 연장 가능 여부 문의
0
34
2
강의 구매했는데 교재 필수일까요
0
24
2
수강기간 연장 가부 문의드립니다.
0
24
2
수강기간 연장이 가능한지 양해를 구하며 문의를 드립니다.
0
27
2
작업형2 모의문제2에서 drop이랑 인코딩
0
34
2
인코딩을 다 꼭 해봐야하는지
0
43
2
안녕하세요? 강사님 질문있습니다.(인코딩관련)
0
58
2
이진분류에서 양성 클래스가 0일 때 평가 방법
0
46
2
원핫인코딩 전 train과 test 병합여부
0
51
2
수강기간 연장
0
69
2
29강 작업2형의 이상치 처리
0
67
2
수강기간 연장 문의드립니다!
0
65
2
9월에 실기출제기준 개정내역에 신설된부분
0
56
1
작업형2 모의문제2 결과값 관련 문의드립니다.
0
67
2
12회차 시험 실패 후 13회 도전 예정입니다.
0
57
1
random_state 값
0
73
2
강의 연장 문의 드립니다.
0
68
2
강의 연장 문의
0
61
2
오징어게임
0
71
1
object 컬럼이 여러 개인 경우 인코딩 전처리 방법
1
50
2
데이터 전처리 순서 관련
0
65
2