from scipy.stats import chi2_contingency chi2_contingency([[40, 10], [10, 40]], False)

做卡方檢驗，結果為

依次是，卡方值，顯著度，自由度，期望頻數

?

做方差分析

from scipy import stats d1 = [20, 25, 35, 40, 36, 24] d2 = [35, 39, 38, 43, 50, 49] f, p = stats.f_oneway(*[d1, d2]) f p

這是單因素方差分析。

結果為：

也可以做多因素，還是用這個例子。

from statsmodels.formula.api import ols from statsmodels.stats.anova import anova_lmdf = {"male":d1,"female":d2 }df = pd.DataFrame(df) dfdf_melt = df.melt() df_melt.columns = ['sex', 'score'] df_meltmodel = ols("score~C(sex)", data=df_melt).fit() anova_table = anova_lm(model, typ=2) anova_table

結果為：

總結

以上是生活随笔為你收集整理的python做方差分析和卡方检验的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。