Python中如何处理现有列联表数据以执行ChiSquare检验？

核心结论 #

你手里的表格已经是标准的列联表格式，不需要额外从原始数据转换，直接对这个频数矩阵执行卡方检验即可。

步骤1：加载Excel数据并设置行索引 #

用pandas加载数据时，直接指定Category列为行索引，让数据结构更贴合列联表逻辑：

import pandas as pd

# 替换成你的Excel文件路径
df = pd.read_excel("your_data.xlsx", index_col="Category")

加载后的DataFrame结构和你提供的表格一致，行标签为Smoker/not-s，列是各类疾病，值为对应频数。

步骤2：提取卡方检验所需的数值矩阵 #

卡方检验只需要纯数值的二维频数数组，直接从DataFrame中提取即可：

# 提取所有数值列组成的矩阵
observed_frequencies = df.values

步骤3：执行卡方检验 #

使用scipy.stats中的chi2_contingency函数，它直接支持列联表格式的输入：

from scipy.stats import chi2_contingency

# 执行检验，返回卡方值、P值、自由度、期望频数矩阵
chi2_stat, p_value, degrees_of_freedom, expected_frequencies = chi2_contingency(observed_frequencies)

# 格式化输出结果
print(f"卡方统计量: {chi2_stat:.2f}")
print(f"P值: {p_value:.4f}")
print(f"自由度: {degrees_of_freedom}")
print("\n期望频数表:")
# 把期望频数转成带标签的DataFrame方便查看
print(pd.DataFrame(expected_frequencies, index=df.index, columns=df.columns))

关键说明 #

• 设置行索引不是检验的强制要求，但能让输出的期望频数表和原始数据对应，可读性更强；如果不设置，直接用df.iloc[:, 1:]提取数值列也能完成检验（但不推荐）。
• chi2_contingency函数默认已经做了连续性修正（针对2x2表），如果不需要可以添加参数correction=False。

内容的提问来源于stack exchange，提问作者nut get