scipy.stats.chi2_contingency
想对两个或两个以上因子彼此之间是否相互独立做检验时，就要用到卡方检验，原以为在Python中实现会像R的chisq.test一样简便，但scipy的stats模块功能实在分得太细，之前查到的是stats中的chisquare方法，但尝试过后发现chisquare实际上是做适合性检验的。
在Baidu上搜索，几乎没看到真正用Python做独立性检验的讲解，几经辗转，终于在Stack Overflow上找到了Python中的列联表独立性检验，即chi2_contingency
e.g. 三种农药的杀虫数据
分析杀虫效果与农药类型是否有关
import numpy as npfrom scipy.stats import chi2_contingencyd = np.array([[37, 49, 23], [150, 100, 57]])chi2_contingency(d)
输出为：
(7.6919413561281065,
0.021365652322337315,
2,
array([[ 48.99759615, 39.04086538, 20.96153846],
[ 138.00240385, 109.95913462, 59.03846154]]))
第一个值为卡方值，第二个值为P值，第三个值为自由度，第四个为与原数据数组同维度的对应理论值
具体参考文档：scipy.stats.chi2_contingency
如果觉得《Python - 列联表的独立性检验（卡方检验）》对你有帮助，请点赞、收藏，并留下你的观点哦！
