Python – Pearson 的卡方检验

简介

Pearson 的卡方检验（Chi-square test of independence）被广泛应用于数据分析中的独立性检验。这个方法是对于有两个或者多个分类变量的情况下进行检验，以找出两个或者多个变量之间是否存在关联性。这个检验方法主要用于非常大的数据集合。

在 Python 中，我们可以使用 scipy 中的 chi2_contingency() 方法来执行 Pearson 的卡方检验。

使用方法

导入包

首先，我们需要导入 scipy 中的 chi2_contingency() 方法。

from scipy.stats import chi2_contingency

准备数据

我们需要有一个包含映射多个类别的数据框，这个数据框需要至少有两列。下面是一个例子：

import pandas as pd
data = {'Category 1': ['A', 'B', 'A', 'C', 'B', 'C', 'A', 'B', 'C', 'B'],
       'Category 2': ['X', 'Y', 'X', 'Y', 'Z', 'Z', 'X', 'Z', 'Z', 'X']}
df = pd.DataFrame(data)

进行卡方检验

我们可以将数据框传入 chi2_contingency() 方法来进行卡方检验。该方法将返回四个值：

• 卡方值（chi-square statistic）
• p 值（p-value）
• 自由度（degrees of freedom）
• 期望计数数组（expected count array）

chi2_stat, p_val, dof, ex = chi2_contingency(df)

读取结果

我们可以打印输出卡方值、p 值以及自由度，以便检查检验结果。

print('Chi-square statistics:', chi2_stat)
print('p-value:', p_val)
print('Degrees of freedom:', dof)

示例代码

下面是一个完整的代码片段，展示了如何使用 Python 中的 scipy 来进行 Pearson 的卡方检验。

from scipy.stats import chi2_contingency
import pandas as pd

# 随数生成数据
data = {'Category 1': ['A', 'B', 'A', 'C', 'B', 'C', 'A', 'B', 'C', 'B'],
       'Category 2': ['X', 'Y', 'X', 'Y', 'Z', 'Z', 'X', 'Z', 'Z', 'X']}
df = pd.DataFrame(data)

# 进行卡方检验
chi2_stat, p_val, dof, ex = chi2_contingency(df)

# 输出结果
print('Chi-square statistics:', chi2_stat)
print('p-value:', p_val)
print('Degrees of freedom:', dof)

输出：

Chi-square statistics: 6.666666666666667
p-value: 0.0360180501046746
Degrees of freedom: 4