Python中不同样本量的卡方检验

Question

我有两组数据，如下所示。 每个数据集都有不同的长度

X_data1和Y_data1 （黑色合并数据）的长度为 40，而X_data2和Y_data2 （红色）的长度为 18k。

我想对这两个数据进行卡方拟合优度检验，如下所示

from scipy import stats
stats.chisquare(f_obs=Y_data1, f_exp=Y_data2)

但我不能，因为矢量大小不一样，我收到一个错误。

~/opt/miniconda3/lib/python3.9/site-packages/scipy/stats/stats.py in chisquare(f_obs, f_exp, ddof, axis) 6850 6851 """ -> 6852 return power_divergence(f_obs, f_exp=f_exp , ddof=ddof, 轴=轴, 6853 lambda_="皮尔逊")
6854

~/opt/miniconda3/lib/python3.9/site-packages/scipy/stats/stats.py in power_divergence(f_obs, f_exp, ddof, axis, lambda_) 6676 如果 f_exp 不是 None: 6677 f_exp = np.asanyarray( f_exp) -> 6678 bshape = _broadcast_shapes(f_obs_float.shape, f_exp.shape) 6679 f_obs_float = _m_broadcast_to(f_obs_float, bshape) 6680 f_exp = _m_broadcast_to(f_exp, bshape)

~/opt/miniconda3/lib/python3.9/site-packages/scipy/stats/stats.py in _broadcast_shapes(shape1, shape2) 184 n = n1 185 else: --> 186 raise ValueError(f'shapes {shape1}和 {shape2} 不能' 187 '一起广播') 188 shape.append(n)

ValueError：形状 (40,) 和 (18200,) 无法一起广播

Python 有什么方法可以比较这两个数据吗？

Answer 1

除非f_exp和f_obs具有相同的长度，否则你不能这样做。 您可以通过在Y_data1的 x 轴上插入Y_data2来实现您的目标。 您可以按如下方式进行：

from scipy.interpolate import InterpolatedUnivariateSpline 
spl = InterpolatedUnivariateSpline(X_data2, Y_data2)
new_Y_data2 = spl(X_data1)

由于Y_data1和new_Y_data2现在具有相同的长度，您可以在stats.chisquare中使用它们，如下所示：

from scipy import stats
stats.chisquare(f_obs=Y_data1, f_exp=new_Y_data2)