使用statsmodels进行双因素ANOVA时遇值错误与运行时警告

一、先搞定数据问题（错误根源） #

你遇到的两个错误核心都是数据异常，先从这两步排查：

1. 清理缺失值/无穷值 #

直接跑代码检查数据里的异常项：

import pandas as pd
import numpy as np

# 假设你的数据存在df变量里
print("缺失值统计：")
print(df.isnull().sum())
print("\n无穷值统计：")
print(df.isin([np.inf, -np.inf]).sum())

• 如果有缺失值：选适合你的方式处理

  df = df.dropna()  # 删除含缺失值的行
  # 或者用均值填充
  df = df.fillna(df.mean(numeric_only=True))
  

• 如果有无穷值：先转成NaN再处理

  df = df.replace([np.inf, -np.inf], np.nan)
  

2. 把宽格式转成长格式 #

statsmodels的ANOVA只认长格式数据（每行对应一个观测值，包含两个因素和一个因变量），而你的数据是宽格式（每列对应一个组合组），必须转换：

# 转长格式，var_name存组名，value_name存观测值
df_long = pd.melt(df, var_name='group', value_name='value')
# 拆分组名得到两个因素（比如组名是A1/B1/A2/B2，拆成factor1=A/B，factor2=1/2）
df_long[['factor1', 'factor2']] = df_long['group'].str.extract('([AB])([12])')

转完后数据会是三列：factor1、factor2、value，这是后续分析的基础。

二、解决除零警告 #

这个警告是因为某个组的样本量为0，或者组内所有值完全相同（方差为0），跑代码查每组的情况：

group_stats = df_long.groupby(['factor1', 'factor2'])['value'].agg(['count', 'var'])
print(group_stats)

• 如果count为0：说明该组无数据，要么补数据，要么删掉该组的记录
• 如果var为0：组内值完全一致，方差为0，要么补充不同样本，要么删除该组

三、正确执行双因素ANOVA #

数据清理完成后，根据你的实验设计选对应方法：

独立样本设计（被试不重复） #

用ols模型+anova_lm：

import statsmodels.api as sm
from statsmodels.formula.api import ols

# 模型包含两个因素及交互项
model = ols('value ~ C(factor1) + C(factor2) + C(factor1):C(factor2)', data=df_long).fit()
anova_table = sm.stats.anova_lm(model, typ=2)
print(anova_table)

重复测量设计（同一被试测多个组） #

用AnovaRM（需数据包含subject_id列标识被试）：

from statsmodels.stats.anova import AnovaRM

anova_rm = AnovaRM(df_long, depvar='value', subject='subject_id', within=['factor1', 'factor2'])
result = anova_rm.fit()
print(result)

四、匹配预期结果 #

执行完上述步骤后，输出的ANOVA表会包含因素A、因素B、交互项的平方和、自由度、均方、F值、P值，和你预期的结果格式一致。

内容的提问来源于stack exchange，提问作者SirTee12