我们能用Python生成卡方检验的列联表吗？

Question

我正在使用scipy.stats.chi2_contingency这个方法来获取卡方统计量。我们需要传入一个频率表，也就是列联表作为参数。但是我现在有一个特征向量，想要自动生成这个频率表。请问有没有这样的函数可以用呢？

我现在是这样做的：

def contigency_matrix_categorical(data_series,target_series,target_val,indicator_val):
  observed_freq={}
  for targets in target_val:
      observed_freq[targets]={}
      for indicators in indicator_val:
          observed_freq[targets][indicators['val']]=data_series[((target_series==targets)&(data_series==indicators['val']))].count()
  f_obs=[]
  var1=0
  var2=0
  for i in observed_freq:
      var1=var1+1
      var2=0
      for j in observed_freq[i]:
          f_obs.append(observed_freq[i][j]+5)
          var2=var2+1
  arr=np.array(f_obs).reshape(var1,var2)
  c,p,dof,expected=chi2_contingency(arr)
  return {'score':c,'pval':p,'dof':dof}

这里的数据系列和目标系列是列的值，另外两个是指标的名称。有没有人能帮帮我？谢谢！

Answer 1

你可以使用 pandas.crosstab 来从一个数据表（DataFrame）生成一个列联表。根据文档的说明：

计算两个（或更多）因素的简单交叉表。默认情况下，会计算这些因素的频率表，除非你提供了一组值和一个聚合函数。

下面是一个使用示例：

import numpy as np
import pandas as pd
from scipy.stats import chi2_contingency

# Some fake data.
n = 5  # Number of samples.
d = 3  # Dimensionality.
c = 2  # Number of categories.
data = np.random.randint(c, size=(n, d))
data = pd.DataFrame(data, columns=['CAT1', 'CAT2', 'CAT3'])

# Contingency table.
contingency = pd.crosstab(data['CAT1'], data['CAT2'])

# Chi-square test of independence.
c, p, dof, expected = chi2_contingency(contingency)

以下是 data 表格

生成了以下的 contingency 表格

然后，使用 scipy.stats.chi2_contingency(contingency) 会返回 (0.052, 0.819, 1, array([[1.6, 0.4],[2.4, 0.6]]))。