sql联表分类统计_分类变量的相关性：五分钟掌握卡方检验「详细解析，附代码」...

卡方检验

当衡量两个连续变量间的线性关系时，我们可以使用Pearson相关系数。那么当我们面对的数据是两个分类变量呢？没错，看过下面这张图的应该还记得，我们可以用列联表结合卡方检验来分析分类变量间的相关性。

一、列联表

列联表是一种常见的分类汇总表，它将两个变量的不同水平分别放在行和列中，中间对应着每组的频数。如下表：使用药物A且治愈了的病人有1800名，使用药物B且治愈了的病人有800名……

在pandas中，我们可以直接使用pd.crosstab(rows,columns,margins=True)来生成列联表。其中margins用于设置是否限制汇总列和汇总行。

有些时候我们可能需要百分比数据，这时我们直接用每个单元格除以汇总列或汇总行的数据即可。

二、卡方检验

卡方检验的思想在于比较期望频数和实际频数的吻合程度，实际频数就是上边表格里黄色区域的数字，而期望频数则是指行列变量相互独立的时候期望的频数。我们下边用一张图来演示如何