import numpy as np
import pandas as pd
import seaborn
import scipy.stats as st
import matplotlib.pyplot as plt
import statsmodels.api as sm
import statsmodels.formula.api as smf
pd.set_option('display.float_format', lambda x:'%.2f'%x)
# Đọc dữ liệu
data = pd.read_csv('ool.csv', low_memory=False)
# Chuyển sang dữ liệu số
data['W2_J1_D'] = pd.to_numeric(data['W2_J1_D'], errors='coerce')
# # Tinh chỉnh câu hỏi nghiên cứu
sub1=data[(data['PPAGECAT'] >= 1) &(data['PPAGECAT'] <= 7)]
# # bỏ các dữ liệu thiếu
sub1['W2_J1_D']=sub1['W2_J1_D'].replace(-1, np.nan)
# Mã hóa biến phân loại theo kiểu nhị phân
recode1 = {1: 0, 2: 1}
# Đặt tên mới cho biến vừa mã hóa
sub1['SEX'] = sub1['PPGENDER'].map(recode1)
sub1['SEX'] = pd.to_numeric(sub1['SEX'], errors='coerce')
sub2 = sub1.copy()
# Phân tích
print("Phân tích hồi quy với biến giải thích là phân loại và biến phản hồi là định lượng")
reg1 = smf.ols('W2_J1_D ~ SEX', data=sub2).fit()
print (reg1.summary())
# Đồ thị
seaborn.factorplot(x="SEX", y="W2_J1_D", data=sub2, kind="bar", ci=None)
plt.xlabel('Giới tính')
plt.ylabel('Thang điểm mối quan hệ đồng tính nữ')
plt.title('Biểu đồ thể hiện mối liên hệ giữa giới tính và Thang điểm mối quan hệ đồng tính nữ')
plt.show()