Python 理解泰坦尼克号数据集上的卡方检验

目前我正在数据集上进行假设检验

在阅读卡方检验时，我通过Kaggle找到了这个笔记本：

这是对泰坦尼克号数据集的卡方假设检验

为了计算等级和生存之间的关系，他使用了以下代码：

1）用于获取列联表（观察值）

PClass\u survd=pd.pivot\u表（数据，索引=['PClass']，列=['surved']，aggfunc='size'）

2）阶级和生存是如何分布的

pct\u class=pcclass\u survd.sum（轴=1）/891

pct=PClass\u survd.sum（轴=0）/891

3）计算期望值

pct\u class.to\u frame（）@（pct\u.to\u frame（）.T）

我不明白在步骤3中如何计算期望值。我知道将序列转换为数据帧

谁能详细解释一下第3步，或者不使用统计中的卡方函数，如何从数据集中计算出一般期望值（如果可能，请举例说明）

---

提前感谢

看起来你真的有一道数学题，而不是一道编程题。你试过math.stackexchange.com吗？你明白这段代码的意思吗，用常规的方式，把它写在你的数学作业活页夹中？特别是，您是否需要它解释

@

符号在此上下文中的作用，或者

.T

？问题到底是什么？是的，

.T

和

@

。以及如何使用它来计算期望值。是的，这是一道与假设检验有关的数学题。你熟悉熊猫和努比吗？你试过阅读文档吗？