皮尔逊卡方检验python代码

皮尔逊卡方检验是一种统计测试方法，用于确定两个分类变量之间是否存在关联。在Python中，我们可以使用`scipy.stats`库中的`chi2_contingency()`函数来执行这个检验。以下是基本的代码示例：

from scipy.stats import chi2_contingency
import pandas as pd

# 假设我们有如下数据，这是两个分类变量的交叉表
data = {
    'Category1': ['A', 'B', 'A', 'B'],
    'Category2': ['X', 'Y', 'Y', 'X']
}

# 将数据转换为DataFrame
df = pd.DataFrame(data)

# 计算卡方值、度量自由度、p值和观察值
chi_square, p_value, dof, expected = chi2_contingency(df)

# 输出结果
print("Chi-Square Statistic:", chi_square)
print("P-value:", p_value)
print("Degrees of Freedom:", dof)
print("Expected frequencies:\n", expected)

在这个例子中，`chi2_contingency()`返回四个值：卡方统计量、双侧p值、自由度（对于2x2表格，总是1）以及每个单元格预期的频率。