Python数据分析实战-实现卡方检验（附源码和实现效果）

实现功能

使用scipy.stats模块中的chi2_contingency函数来执行卡方检验（Chi-square test）。卡方检验用于检验两个或多个分类变量（组别）之间是否存在显著关联（差异）。

例1：从某中学随机抽取两个班，调查他们对待文理分科的态度，结果，甲班37人赞成，27人反对；乙班39人赞成，21人反对，这两个班对待文理分科的态度是否有显著差异(α= .05)?

例2：探究（不同组）死亡年龄和居住地、性别是否有关（有显著差异）？

实现代码

from scipy.stats import chi2_contingency
 
# 例1：构建列联表（二维数组）
observed = [[37,27], 
            [39,21]]
 
# 执行卡方检验
statistic, p_value, dof, expected = chi2_contingency(observed)
 
# 打印结果
print("Chi-square statistic:", statistic)
print("p-value:", p_value)
print("Degrees of freedom:", dof)
print("Expected frequencies:", expected)
 
 
# 例2：构建列联表（二维数组）
observed = [[11.7,8.7,15.4,8.4], 
            [18.1,11.7,24.3,13.6],
            [26.9,20.3,37,19.3],
            [41,30.9,54.6,35.1],
            [66,54.3,71.1,50]]
 
# 执行扩展卡方检验
statistic, p_value, dof, expected = chi2_contingency(observed)
 
# 打印结果
print("Chi-square statistic:", statistic)
print("p-value:", p_value)
print("Degrees of freedom:", dof)
print("Expected frequencies:", expected)

实现效果

本人读研期间发表5篇SCI数据挖掘相关论文，现在某研究院从事数据挖掘相关科研工作，对数据挖掘有一定认知和理解，会结合自身科研实践经历不定期分享关于python、机器学习、深度学习基础知识与案例。

致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。

邀请三个朋友关注V订阅号：数据杂坛，即可在后台联系我获取相关数据集和源码，送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。