python卡方检验是什么-Python教程-PHP中文网

python卡方检验是什么

舞夢輝影

发布： 2025-10-02 08:39:02

原创

929人浏览过

卡方检验用于判断两个分类变量是否相关，Python中可用scipy.stats.chi2_contingency进行独立性检验。首先构建列联表，如性别与喜好数据[[20,10],[15,25]]，调用chi2_contingency返回卡方值、P值、自由度和期望频数。若P<0.05，则认为变量间存在显著关联，否则无。注意数据应为频数，期望频数一般需大于5，否则结果不可靠，此时可改用Fisher精确检验。该方法仅检验关联性，不反映关联强度。

python卡方检验是什么

卡方检验（Chi-Square Test）是一种统计方法，用于判断两个分类变量之间是否存在显著关联。在Python中，我们通常使用 scipy.stats 或 statsmodels 等库来实现卡方检验。

卡方检验的用途

它主要用于以下两种情况：

独立性检验：检验两个分类变量是否相互独立。比如：性别和是否喜欢某产品之间有没有关系？
拟合优度检验：检验观测频数是否符合某种理论分布。比如：掷骰子60次，每个点数出现次数是否均匀？

Python中如何做卡方检验

常用的是 scipy.stats.chi2_contingency() 函数，适用于独立性检验。

步骤如下：

立即学习“Python免费学习笔记（深入）”；

卡拉OK视频制作

卡拉OK视频制作，在几分钟内制作出你的卡拉OK视频

178

查看详情

准备一个列联表（Contingency Table），也就是交叉频数表。
传入 chi2_contingency() 函数。
查看返回的卡方值、P值等结果。

示例代码：

import numpy as np
from scipy.stats import chi2_contingency
<h1>构造列联表：比如性别 vs 喜欢与否</h1><p>data = np.array([[20, 10],  # 男性：喜欢20人，不喜欢10人
[15, 25]]) # 女性：喜欢15人，不喜欢25人</p><p>chi2, p, dof, expected = chi2_contingency(data)</p><p>print(f"卡方值: {chi2}")
print(f"P值: {p}")
print(f"自由度: {dof}")
print(f"期望频数表:\n{expected}")

登录后复制

如果P值小于0.05，通常认为两个变量之间有显著关联；否则认为无显著关系。