Python 如何使用熊猫数据框架和特定条件进行假设检验？

我正在尝试使用ols模型进行假设检验。我正试图根据我的数据框中的四个组，为tweet计数建立这个模型。这四个群体是运动员、首席执行官、政治家和名人。我在一列中将四个组作为一个组分别标记为每个名称

frames = [CEO_df, athletes_df, Celebrity_df, politicians_df]
final_df = pd.concat(frames)
final_df=final_df.reindex(columns=["name","group","tweet_count","retweet_count","favorite_count"])
final_df

我想做以下几点：

model=ols("tweet_count ~ C(Athlete) + C(Celebrity) + C(CEO) + C(Politicians)", data=final_df).fit()
table=sm.stats.anova_lm(model, typ=2)
print(table)

这可能吗？否则，我如何才能在这些条件下进行假设检验

这是我打印的期末报告：

name    group   tweet_count retweet_count   favorite_count
0   @aws_cloud @ #ReInvent R “Ray” Wang 王瑞光 #1A CEO 6   6   0
1   Aaron Levie CEO 48  1140    18624
2   Andrew Mason    CEO 24  0   0
3   Bill Gates  CEO 114 78204   439020
4   Bill Gross  CEO 36  486 1668
... ... ... ... ... ...
56  Tim Kaine   Politician  48  8346    50898
57  Tim O'Reilly    Politician  14  28  0
58  Trey Gowdy  Politician  12  1314    6780
59  Vice President Mike Pence   Politician  84  1146408 0
60  klay thompson   Politician  48  41676   309924

---

这是可能的，请查看此链接，谢谢您的链接。然而，我没有找到如何使用此链接解决我的问题。我能做些什么来轻松实现这一点？你能清楚地解释一下你想测试什么吗？它是分组下的每个个人级别吗？

name    group   tweet_count retweet_count   favorite_count
0   @aws_cloud @ #ReInvent R “Ray” Wang 王瑞光 #1A CEO 6   6   0
1   Aaron Levie CEO 48  1140    18624
2   Andrew Mason    CEO 24  0   0
3   Bill Gates  CEO 114 78204   439020
4   Bill Gross  CEO 36  486 1668
... ... ... ... ... ...
56  Tim Kaine   Politician  48  8346    50898
57  Tim O'Reilly    Politician  14  28  0
58  Trey Gowdy  Politician  12  1314    6780
59  Vice President Mike Pence   Politician  84  1146408 0
60  klay thompson   Politician  48  41676   309924