卡方检验——离散型特征相关性分析

import pandas as pd  #导入读入数据的包
from sklearn.feature_selection import SelectKBest  #卡方检验->判断离散型特征是否相关
from sklearn.feature_selection import chi2

#读取数据
data = pd.read_csv('./2013年八城市融合数据.csv',encoding='gbk')

x= data[['归属感有无（0：有 1：无）','户口性质（0：农业 1：非农业）','体制内人员（0：非体制内 1：体制内）','大学以上学历（0：大学以下 1：大学以上）','本地人愿意接受我（0：同意 1：不同意）']]
y = data['本地养老（0：非本地 1：本地）']
selectKBest = SelectKBest(chi2, k=5) 
X_new = selectKBest.fit_transform(x, y)
p_values = zip(select_k_best.scores_,select_k_best.pvalues_)
dict_p_values  = dict(zip(['归属感有无（0：有 1：无）','户口性质（0：农业 1：非农业）','体制内人员（0：非体制内 1：体制内）','大学以上学历（0：大学以下 1：大学以上）','本地人愿意接受我（0：同意 1：不同意）'],p_values))

sorted(dict_p_scores.items(),key=lambda x:x[1],reverse=False)

# 当p值小于0.05时，就说这个独立变量与输出结果有关系
for i in list(select_k_best.pvalues_):
    if i<0.05:
        print('True')