当前位置：首页 > article >正文

使用Python生成卡方分布表并导出为Excel文件

article 2024/11/25 2:46:24

使用Python生成卡方分布表并导出为Excel文件

一、准备工作
二、代码实现
三、代码解释
四、运行结果
五、总结

在这里插入图片描述
在数据分析和统计学中，卡方分布（Chi-Squared Distribution）是一种非常重要的连续概率分布，广泛应用于假设检验、拟合优度检验等领域。卡方分布的临界值表是我们在进行这些统计检验时必不可少的工具。本文将介绍如何使用Python生成卡方分布临界值表，并将其导出到Excel文件中，以便日后使用。

一、准备工作

首先，我们需要安装必要的Python库。本文使用的库包括pandas和scipy。pandas用于数据处理和生成DataFrame，而scipy中的stats模块提供了计算卡方分布临界值的函数。

如果你还没有安装这些库，可以使用以下命令进行安装：

pip install pandas scipy openpyxl

注意：openpyxl库是导出Excel文件时pandas所需的依赖库。

二、代码实现

下面是生成并导出卡方分布临界值表的完整代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2023-11-12 12:17
# @Author : Leuanghing Chen
# @Blog : https://blog.csdn.net/weixin_46153372?spm=1010.2135.3001.5421
# @File : 卡方分布表.py
# @Software : PyCharm

import pandas as pd
from scipy.stats import chi2

# 定义自由度列表
df_values = list(range(1, 31))  # 例如，从1到30的自由度

# 定义置信度列表
confidence_levels = [0.1, 0.02, 0.05, 0.01]

# 初始化一个空的DataFrame来存储结果
chi_squared_table = pd.DataFrame(index=df_values, columns=[f'{cl}' for cl in confidence_levels])

# 填充DataFrame，计算每个自由度下不同置信度的临界值
for df in df_values:
    for col, conf_level in zip(chi_squared_table.columns, confidence_levels):
        alpha = conf_level
        critical_value = chi2.isf(alpha, df)  # 使用逆生存函数找到临界值
        chi_squared_table.loc[df, col] = critical_value

# 打印卡方分布临界值表（现在放在循环外部）
# print("卡方分布临界值表:")
# print(chi_squared_table)

# 将卡方分布临界值表导出到Excel文件
output_file = 'chi_squared_table.xlsx'
chi_squared_table.to_excel(output_file)
print(f"卡方分布临界值表已导出到 {output_file}")

三、代码解释

导入库：
- pandas用于数据处理和生成DataFrame。
- scipy.stats.chi2用于计算卡方分布的临界值。
定义自由度列表：
- df_values包含从1到30的自由度值。
定义置信度列表：
- confidence_levels包含常用的置信度（实际上是显著性水平α的值），例如0.1、0.02、0.05和0.01。
初始化DataFrame：
- 创建一个空的DataFrame chi_squared_table，索引为自由度值，列名为置信度值。
填充DataFrame：
- 使用嵌套的for循环遍历每个自由度和置信度组合。
- 使用chi2.isf函数计算每个组合下的临界值，并将其存储在DataFrame中。
打印和导出：
- 打印生成的卡方分布临界值表。
- 将DataFrame导出到Excel文件chi_squared_table.xlsx。