Python中独立性的卡方检验

在Ubuntu 10.04.4下，使用Python 2.6.5、NumPy和SciPy，是否可以进行独立性的卡方检验？在

R

中，这与以下内容有关：

> row1 = c(91,90,51)
> row2 = c(150,200,155)
> row3 = c(109,198,172)
> data.table = rbind(row1,row2,row3)
> chisq.test(data.table)

如何在Python中实现这一点

from scipy.stats import chi2_contingency

row1 = [91,90,51]
row2 = [150,200,155]
row3 = [109,198,172]
data=[row1,row2,row3]
print chi2_contingency(data)

输出：

(25.085973274234959, 4.8346447416999636e-05, 4, array([[  66.77631579,   93.10526316,   72.11842105],
       [ 145.35361842,  202.66447368,  156.98190789],
       [ 137.87006579,  192.23026316,  148.89967105]]))

R输出：

        Pearson's Chi-squared test

data:  data.table 
X-squared = 25.086, df = 4, p-value = 4.835e-05

---

Ubuntu 10.04.4中的SciPy没有

chi2\u意外事件

。不过，在Kubuntu 13.10中使用

import scipy.stats

是可行的。但是，以chi2开头的行不起作用。您使用的scipy版本是什么？我的版本是“0.10.1”。Ubuntu10.04已经有好几年的历史了，而SciPy的开发进展相当快。@larsmans：是的；我认为使用Ubuntu 10.04.4是不可能做到这一点的。是的，在0.7中我没有看到chi2_偶然性，你可以在这里查看文档：@larsmans:不，我不认为它是重复的。这是一个不同的测试，使用的是

chi2\u偶然性

。该问题使用观察值和期望值。请注意，正如我在上面的注释中所指出的，这不是重复的，因为涉及不同的卡方检验。该问题被错误地复制了。