Python 使用统计模型的MANOVA

我正在寻找statsmodels MANOVA实现的示例。我对这件事一无所知。我已经做到了：

endog, exog = np.asarray(pre_post[feats_list]), np.asarray(pre_post[features])
man = sm.MANOVA(endog,exog).fit()

但是使用.fit（）我得到一个错误：

NotImplementedError: 

如果我在.fit（）中输入任何类型的参数，它会告诉我参数太多

TypeError: fit() takes 1 positional argument but 2 were given

我确实读过，并设法用计算机复制了相同的错误

man = sm.MANOVA(endog,exog)
man.mv_test()

但似乎也没有一个解决方案

我知道这是一个编程问题的基本问题，但我要感谢任何能够提供有关如何让MANOVA工作以及如何在模型拟合后从模型中获得结果的见解的人。

---

它在Python中似乎不是一个流行的包，我在网上找不到任何示例。非常感谢。

我刚刚花了大约一个小时理解了他们的文档。设法以正确的格式获取我的数据，只是为了得到一个

未实现的错误

。。。该模块尚未实现，尽管它假装实现了

在编辑中添加：

---

查看statsmodels glm。它可以非常类似地使用。这是你的电话号码

下面是一个小示例，演示如何使用该函数：

将numpy导入为np
从statsmodels.multivariable.manova导入manova
n_样本=20
n_dim=5
n_类=3
X=np.random.randn（n个样本，n个维度）
y=np.random.randint（n个类，大小=n个样本）
manova=manova（endog=X，exog=y）
打印（manova.mv_test（））

哪个输出

                 Multivariate linear model
============================================================

------------------------------------------------------------
           x0           Value  Num DF  Den DF F Value Pr > F
------------------------------------------------------------
          Wilks' lambda 0.3681 4.0000 16.0000  6.8678 0.0020
         Pillai's trace 0.6319 4.0000 16.0000  6.8678 0.0020
 Hotelling-Lawley trace 1.7170 4.0000 16.0000  6.8678 0.0020
    Roy's greatest root 1.7170 4.0000 16.0000  6.8678 0.0020
============================================================

---

有关如何使用from_formula界面的

示例，请参见此。
您是否只是在使用
fit
方法，而应该使用
mv_test
。勾选“不应使用
fit
，而应使用
mv_test
”，如您所述