Python中的卡方检验技巧

Python中的卡方检验技巧

卡方检验是一种用来判断两个分类变量之间是否具有关系的方法。在Python中，我们可以使用SciPy库中的chisquare()函数对数据进行卡方检验。

1. 导入必要库

		import numpy as np
		from scipy.stats import chisquare
	

在这里，我们导入了NumPy和SciPy库，NumPy库用于创建数组，SciPy库用于进行卡方检验。

2. 准备数据

		observed=np.array([10, 8, 5, 7])
		expected=np.array([7, 7, 7, 7])
	

在这里，我们创建了两个NumPy数组，observed用于存储观察到的数据，expected用于存储预期的数据。这里创建的数据都是一维数组，并且长度相同。

3. 进行卡方检验

		statistic, p_value=chisquare(observed, expected)
	

通过chisquare()函数进行卡方检验，返回结果包括卡方值和p值。在这里，我们将卡方值和p值分别赋值给了statistic和p_value。

4. 判断结果

		if p_value < 0.05:
		    print("观测值与预期值不符合")
		else:
		    print("观测值与预期值符合")
	

在这里，我们根据p值的大小判断了卡方检验的结果，如果p值小于0.05，则观测值与预期值不符合，说明两个变量之间存在关系。

总结

卡方检验是一种常用的检验方法，可以用来判断两个分类变量之间是否存在关系。在Python中，我们可以使用SciPy库中的chisquare()函数来进行卡方检验，需要准备观测值和预期值两个一维数组，并根据p值的大小来判断卡方检验的结果。