醫(yī)藥統(tǒng)計項目QQ：231469242

分類變量檢驗方法

卡方分布繪圖

如果多個符合正態(tài)分布的獨立隨機變量z1,z2,z3.....zk，

z1+z2+z3+....z_k呈現(xiàn)卡方分布，自由度k.

有幾個正態(tài)分布相加，就有幾個自由度

# -*- coding: utf-8 -*-

# Toby QQ：231469242

import numpy as np

import matplotlib.pyplot as plt

import scipy.stats as stats

import seaborn as sns

import math,pylab,matplotlib,numpy

from matplotlib.font_manager import FontProperties

#設(shè)置中文字體

font=FontProperties(fname=r"c:windowsfontssimsun.ttc",size=15)

n=10

#繪制自由度為n的卡方分布圖,n表示生成卡方數(shù)組的個數(shù)

def Get_chisquareDatas(n):

#標(biāo)準(zhǔn)正太分布

normalDistribution=stats.norm(0,1)

list_data=[]

for i in range(n):

normal_data=normalDistribution.rvs(30)

chisquare_data=normal_data**2

list_data.append(chisquare_data)

return list_data

def Plot_chisquare(n):

list_data=Get_chisquareDatas(n)

sum_data=sum(list_data)

plt.hist(sum_data)

Plot_chisquare(2)

Plot_chisquare(3)

Plot_chisquare(10)

官方繪圖代碼

# -*- coding: utf-8 -*-

from scipy.stats import chi2

import matplotlib.pyplot as plt

import numpy as np

fig, ax = plt.subplots(1, 1)

df = 20

mean, var, skew, kurt = chi2.stats(df, moments='mvsk')

#繪制函數(shù)的起始點和終止點

#pdf為概率密度函數(shù)

#百分比函數(shù)(PPF) :the inverse of the CDF. PPF 函數(shù)和連續(xù)分布函數(shù)CDF相逆，

#比如輸入哪一個點，可以得到低于等于20的概率？

#ppf(0.01, df)表示輸入哪個點，得到概率低于0.01

initial=chi2.ppf(0.01, df)

end=chi2.ppf(0.99, df)

x = np.linspace(initial,end, 100)

#概率密度函數(shù)用于繪圖

ax.plot(x, chi2.pdf(x, df), 'r-', lw=5, alpha=0.6, label='chi2 pdf')

plt.title("df is %d"%df)

plt.show()

卡方檢驗代碼

可汗學(xué)院的問題

# -*- coding: utf-8 -*-

'''

卡方公式(o-e)^2 / e

期望值和收集到數(shù)據(jù)不能低于5，o(observed)觀察到的數(shù)據(jù)，e(expected)表示期望的數(shù)據(jù)

(o-e)平方，最后除以期望的數(shù)據(jù)e

'''

import numpy as np

from scipy import stats

from scipy.stats import chisquare

list_observe=[30,14,34,45,57,20]

list_expect=[20,20,30,40,60,30]

std=np.std(data,ddof=1)

print(chisquare(f_obs=list_observe, f_exp=list_expect))

p=chisquare(f_obs=list_observe, f_exp=list_expect)[1]

'''

返回NAN，無窮小

'''

if p>0.05 or p=="nan":

print"H0 win,there is no difference"

else:

print"H1 win,there is difference"

contigency table聯(lián)立表

測試數(shù)據(jù)

第一行：草本藥1，草本藥2，安慰劑

第二行：生病和非生病

H0：草本藥和疾病無關(guān)系

H1：草本藥和疾病有關(guān)系

可汗學(xué)院計算出來的卡方值2.53；自由度2，顯著性0.1，的關(guān)鍵值4.6

卡方值2.53

python代碼與可汗學(xué)院算出結(jié)果一致，此版本體現(xiàn)算法推導(dǎo)過程。缺點就是要自己計算出期望值列表

# -*- coding: utf-8 -*-

'''

卡方公式(o-e)^2 / e

期望值和收集到數(shù)據(jù)不能低于5，o(observed)觀察到的數(shù)據(jù)，e(expected)表示期望的數(shù)據(jù)

(o-e)平方，最后除以期望的數(shù)據(jù)e

聯(lián)立表contigency table計算

'''

from scipy.stats import chisquare

list_observe=[34,38,28,50]

list_expect=[29.76,42.2,32.24,45.77]

row=2

colume=2

def Contigency_table(row,colume,list_observe,list_expect):

degreeFreedom=(row-1)*(colume-1)

print(chisquare(f_obs=list_observe, f_exp=list_expect,ddof=degreeFreedom))

p=chisquare(f_obs=list_observe, f_exp=list_expect)[1]

if p>0.05 or p=="nan":

print"H0 win,there is no difference"

else:

print"H1 win,there is difference"

Contigency_table(row,colume,list_observe,list_expect)

此版本不用算出期望值，更加方便，參考的是2*2聯(lián)立表，自由度=1，critical value=2.7

# -*- coding: utf-8 -*-

#獨立性檢驗test for independence,也是卡方檢驗chi_square

#前提條件：a,b,c,d 必須大于5

#2.706是判斷標(biāo)準(zhǔn)(90概率)，值越大，越有關(guān)，值越小，越無關(guān)

def value_independence(a,b,c,d):

if a>=5 and b>=5 and c>=5 and d>=5:

return ((a+b+c+d)*(a*d-b*c)**2)/float((a+b)*(c+d)*(a+c)*(b+d))

#返回True表示有關(guān)

#返回False表示無關(guān)

def judge_independence(num_independence):

if num_independence>2.706:

print ("there is relationship")

return True

else:

print("there is no relationship")

return False

a=34

b=38

c=28

d=50

chi_square=value_independence(a,b,c,d)

relation=judge_independence(chi_square)

python官網(wǎng)版本，更加方便和科學(xué)

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.chi2_contingency.html

import scipy.stats as stats

data = np.array([[43,9],

[44,4]])

V, p, dof, expected = stats.chi2_contingency(data)

print(p)

python機器學(xué)習(xí)-乳腺癌細胞挖掘(博主親自錄制視頻)

總結(jié)

以上是生活随笔為你收集整理的python 卡方检验批量筛选_卡方检验（python代码实现）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。