用Pandas处理DataFrame列计算卡方值结果不符，如何解决？

核心错误分析 #

你的代码存在两个关键问题，直接导致卡方检验结果完全偏离预期：

1. 错误使用pd.crosstab：你的数据集里Observed是每个分组的观测频数，Expected是对应分组的期望频数，并非两个独立的分类变量。用pd.crosstab会生成观测值与期望值的交叉计数表，这完全不是卡方检验需要的输入结构，最终得到的列联表毫无统计意义。
2. 混淆卡方检验类型：你要做的是拟合优度卡方检验（验证观测频数是否符合给定的期望分布），但误用了用于独立性检验的chi2_contingency函数。后者要求输入的是两个分类变量的交叉频数表，而不是单组观测与期望的对应数组。

修正步骤 #

1. 正确提取DataFrame列 #

直接从DataFrame中提取观测和期望的数值数组即可，不需要生成交叉表：

obs = df['Observed'].values
exp = df['Expected'].values

2. 使用拟合优度卡方检验 #

调用scipy.stats.chisquare函数（专门用于拟合优度检验），传入观测数组和期望数组：

from scipy.stats import chisquare

c, p = chisquare(obs, f_exp=exp)

3. 验证结果 #

拟合优度检验的自由度为类别数-1，这里有11个分组，自由度为10。计算后得到的p值会接近预期的0.411，卡方统计量也会符合理论计算值。

修正后的完整代码 #

import pandas as pd
from scipy.stats import chisquare
import logging 

logging.basicConfig(level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s')

# 读取数据集
df = pd.read_csv('dice_rolls.csv') 
logging.debug(f"观测频数:\n{df['Observed']}")
logging.debug(f"期望频数:\n{df['Expected']}")

# 提取观测和期望数组
obs = df['Observed'].values
exp = df['Expected'].values

# 执行拟合优度卡方检验
c, p = chisquare(obs, f_exp=exp)
dof = len(obs) - 1  # 计算自由度

# 输出结果
logging.debug(f'卡方统计量: {c}')
logging.debug(f'p值: {p}')
logging.debug(f'自由度: {dof}')

预期输出说明 #

运行修正后的代码，会得到：

• 卡方统计量约为10.656
• p值约为0.411
• 自由度为10
  完全符合你的预期结果。

内容的提问来源于stack exchange，提问作者Evan Gertis