卡方检验（Chi-squared test），也称为χ²检验，是一种统计方法，用于检验观察频数与期望频数之间的差异是否具有统计学意义。针对对照组（a）和实验组(b)的两组值，用卡方统计方法，用python写一段可以计算P值（P-value）的代码

卡方检验是一种常用的统计假设检验方法，用于研究两个分类变量之间是否独立。通过计算卡方统计量，然后根据自由度和观测到的频数分布，可以推断出变量之间的独立性是否显著。当检验的P值小于给定的显著性水平（通常为0.05），则拒绝零假设，认为变量之间存在统计学上的相关性或依赖关系。

在Python中，可以使用`scipy.stats`模块中的`chi2_contingency`函数来计算卡方检验的P值。以下是一个简单的示例代码，用于计算两个分类变量的独立性检验的P值：

import scipy.stats as stats

# 假设有一个2x2列联表，行代表a和b两个分类变量的不同类别的频数
observed_freq = [[a11, a12], [a21, a22]]

# 使用chi2_contingency函数进行卡方检验
chi2, p, dof, expected_freq = stats.chi2_contingency(observed_freq)

print("卡方统计量: ", chi2)
print("P值: ", p)
print("自由度: ", dof)
print("期望频数: \n", expected_freq)

请确保替换`observed_freq`中的`a11, a12, a21, a22`为你的实际观测频数。