python - 卡方分析 - 预期频率在 (0,) 处有一个零元素。错误

Question

我正在处理数据，试图查看两个变量之间的关联，并在 Python 的 Scipy 包中使用卡方分析。

这是两个变量的交叉表结果:

pd.crosstab(data['loan_default'],data['id_proofs'])

结果:

   id_proofs    2   3   4   5
  loan_default              
    0   167035  15232   273 3
    1   46354   4202    54  1

如果我对相同数据应用卡方，我会看到一条错误:ValueError:内部计算的预期频率表在 (0,) 处有一个零元素。

代码:

from scipy.stats import chi2_contingency
stat,p,dof,expec = chi2_contingency(data['loan_default'],data['id_proofs'])
print(stat,p,dof,expec)

错误报告:

    ---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-154-63c6f49aec48> in <module>()
      1 from scipy.stats import chi2_contingency
----> 2 stat,p,dof,expec = chi2_contingency(data['loan_default'],data['id_proofs'])
      3 print(stat,p,dof,expec)

~/anaconda3/lib/python3.6/site-packages/scipy/stats/contingency.py in chi2_contingency(observed, correction, lambda_)
    251         zeropos = list(zip(*np.where(expected == 0)))[0]
    252         raise ValueError("The internally computed table of expected "
--> 253                          "frequencies has a zero element at %s." % (zeropos,))
    254 
    255     # The degrees of freedom

ValueError: The internally computed table of expected frequencies has a zero element at (0,).

问题的原因可能是什么？我该如何克服这个问题？

Answer 1

再看一下 chi2_contingency 的文档字符串。第一个参数，observed，必须是列联表。您必须计算列联表(就像使用 pd.crosstab(data['loan_default'],data['id_proofs']) 所做的那样)并将其传递给 chi2_contingency。