写一段卡方检验python代码，返回自由度

好的，以下是一段用Python实现的卡方检验代码，用于计算给定的数据集的卡方值和自由度：

import numpy as np
from scipy.stats import chi2_contingency

# 定义一个函数，输入一个数据集data，并返回卡方值和自由度
def chi_squared(data):
    # 计算数据集的行总和和列总和
    row_sum = np.sum(data, axis=1)
    col_sum = np.sum(data, axis=0)

    # 计算数据集的总和
    total_sum = np.sum(data)

    # 计算期望值
    expected = np.outer(row_sum, col_sum) / total_sum

    # 计算卡方值
    chi2 = np.sum((data - expected) ** 2 / expected)

    # 计算自由度
    df = (data.shape[0] - 1) * (data.shape[1] - 1)

    # 返回卡方值和自由度
    return chi2, df

# 生成一个示例数据集
data = np.array([[10, 20, 30], [20, 30, 40]])

# 调用chi_squared函数计算卡方值和自由度
chi2, df = chi_squared(data)

# 输出卡方值和自由度
print("卡方值为：", chi2)
print("自由度为：", df)

其中，代码使用了NumPy和SciPy库来进行矩阵计算和卡方检验。函数 `chi_squared()` 接受一个数据集 `data` 作为输入，该数据集应该是一个包含频数的二维数组。函数先计算数据集的行总和和列总和，然后计算期望值，并根据公式计算卡方值和自由度。最后，函数返回卡方值和自由度。