[英]Chi square test with different sample sizes in Python
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?
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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.