Scipy.stats.chi2_contingency with ndarray - 值错误：'...使用 a.any() 或 a.all()'

如何解决Scipy.stats.chi2_contingency with ndarray - 值错误：'...使用 a.any() 或 a.all()'

第一次在这里尝试使用 scipy.stats 和 python 半新手。我的假设是我在某个地方犯了一个新手错误。

我想做什么： 我正在尝试执行零假设检验，以确定两组值之间的差异是否具有统计显着性。

我已经采取的解决步骤： 我正在尝试在从两个不同的 Pandas 数据帧创建的 ndarray（定义为 df_q12）上运行 chi2_convergence()。

1. 我已经成功地将两列导入到一个数组中。类型（df_q12 返回 numpy.ndarray）。我抛出了一个弃用警告并最初将现有的浮点数作为对象导入。

2. 类型将每一列单独转换为浮点数。

3. 检查了两列的最小值，都没有负值。

我遇到的问题： 然后我尝试运行 chi2_convergence(df_q12) 并收到以下错误消息：

值错误
回溯（最近一次调用最后一次） 在 ----> 1 sigtest = stats.chi2_contingency(df_q12) C:\ProgramData\Anaconda3\lib\site-packages\scipy\stats\contingency.py in chi2_contingency（观察，更正，lambda_） 第240话 241 观察 = np.asarray（观察） --> 242 如果 np.any(observed observed 中的所有值都必须为非负。") 244 如果观察到.size == 0： ValueError：包含多个元素的数组的真值不明确。使用 a.any() 或 a.all()

我由此解释负值将是一个问题。我已经将类型转换为 float 并且我已经确认没有负值，所以我假设在幕后进行了布尔比较，这就是它提示我使用 a.any() 或 a.all() 的原因.我已经以我能想到的各种方式将 .any()/.all() 应用于数组，当我这样做时，我会收到相同的错误消息。由于所有活动都在函数内，我不知道如何应用逻辑 _and/_or 运算符来解决它，我现在没有想法。还有咖啡。

如何解决这个问题？

下面是新的、完整的数据和带注释的代码，以防我在某处做一些愚蠢的事情。

来自别名为 df_q12 的 ndarray 的数据： 数组([数组([215811.36,225530.07,198267.42,212516.26,214254.05,203358.59,185023.12、218425.58、203910.32、218905.62、198133.95、210755.81、 217819.05、215047.31、223369.46、184474.9、193724.65、211471.7、 196466.5、185157.72、204214.55、208791.87、213096.85、199295.44、 210109.32、216864.2、217865.2、209027.57、231139.18、224672.48、 212031.97、190574.09、196383.47、214437.06、213451.43、209158.5、 217324.77、223547.81、218391.5、209772.31、199517.71、199899.88、 218308.09、209584.02、206407.47、209863.69、222782.56、205026.92、 211615.22、215430.12、236084.36、194735.31、196401.62、199751.56、 214891.74、189130.68、202165.39、208227.24、208584.51、187923.27、 212769.02、215161.08、190107.19、219669.23、228868.57、218216.05、 214708.25、203174.42、199287.56、197240.56、225266.36、202952.95、 211353.93,213024.91,210971.06,237316.14,245105.,233726.35,233663.55、208038.24、185707.23、223872.12、238016.12、206233.25、 245762.5、199276.53、202216.61、233149.8、206679.62、217083.98、 202216.07、208514.44、196676.04、204081.84、202991.26、236524.68、 202721.2、212364.19、253608.92、196824.48、196309.21、215462.17、 214923.33、198840.52、202418.17、199493.47、201700.65、187565.16、 196278.83,203459.04,207296.34,204711.73,229842.,203028.24,210975.82、201944.06、222522.58、185604.38、190387.49、203510.35、 208293.01,241088.39,216568.42,207284.95,215908.,203660.09,205022.49、203325.31、198320.6、229592.76、209432.3、221327.37、 185173.96、227394.76、197296.76、204906.03、220196.25、223749.98、 209139.32、228930.79、231419.88、211612.84、223534.16、198760.84、 213055.02、220203.08、185529.81、219061.27、217430.5、191437.28、 193588.99、218124.7、220979.33、227627.72、226312.22、216471.28、 217669.23、250321.77、253130.94、231915.91、221698.88、219092.63、 232113.38、224824.39、216383.29、227852.07、243160.26、216426.9、 198603.95、205203.47、230278.41、214063.73、209010.48、242938.63、 211539.13、246268.6、213512.97、217836.91、232039.52、240897.94、 221002.06、220721.17、240551.92、231194.61、237931.49、202775.38、 230435.72、222959.62、219196.06、220438.88、231503.77、260478.33、 242138.01、218068.18、230644.57、218539.5、212766.56、221743.97、 215233.62、214294.93、242313.71、207778.55、223623.87、221437.14、 219816.36、220898.48、252990.59、215987.5、219522.39、236243.06、 243591.84、210403.06、229204.86、228168.73、223612.35、235486.85、 218922.05、240538.72、229733.26、225141.81、211771.89、238522.56、 234850.23、229487.1、212743.47、244063.73、243957.9、236757.16、 209121.01、223561.61、226287.14、226334.12、239284.17、228801.63、 220396.53、204535.23、207628.55、242813.06、206626.01、199732.15、 220114.08、223704.43、262790.64、223534.2、219013.75、229389.6、 226615.04、234565.7、237857.52、220101.64、239134.47、217945.74、 207683.26、231132.12、229692.42、222283.69、236102.46、203685.5、 224649.79、242949.42、227583.94、220522.34、228364.22、236243.89、 218480.2、216292.24、226805.43、214215.03、200064.28、235923.09、 246692.7、208863.99、209280.3、219247.03、226977.68、228711.46、 219680.65、226071.02、231372.97、220940.84、222727.74、215168.07、 242470.85、241183.86、240931.26、228020.88、232412.4、253114.92、 237577.24、231782.61、206544.28、228057.66、221477.08、225481.8、 216135.77、226779.49、239228.8、245837.6、225546.38、214341.81、 264349.6、242791.12、218464.67、229409.9、206801.88、204993.64、 221880.32、207089.58、213704.42、244621.41、235936.17、217698.56、 214316.6、226697.67、199961.42、218197.46、229596.24、234159.29、 218079.62、220620.04、226860.16、215900.76、219944.54、234084.71、 232535.91、224649.17、242623.98、234491.04、212329.69、229580.12、 230916.34、211187.35、230921.9、217633.42、230363.93、231443.18、 213624.45、214084.32、216545.94、204993.59、224477.13、230655.13、 212126.2、207097.42、226887.14、212966.18、220846.34、225769.37、 220022.39、228391.78、220948.92、244534.46、220923.42、230347.97、 226019.46、212332.86、217921.67、200995.6、221561.12、223457.42、 223283.63、240818.85、222027.19、218072.98]）， 数组([220521.,214748.51,237949.89,207400.21,244611.05,228209.38,218324.13、229540.33、198803.13、220433.84、225198.16、212052.5、 246100.12、192098.67、217977.97、221215.52、215292.47、220573.29、 237701.89、211221.18、224769.97、221269.76、233120.7、222454.6、 228400.34、236253.04、229907.99、211246.77、237713.79、218905.89、 219064.34、215867.、230245.83、242801.12、231355.99、213356.78、 222108.57、216522.48、245615.12、222268.67、237731.59、206498.71、 216644.95、214307.76、216306.61、224300.53、213143.65、224560.44、 215974.54、232083.31、232898.42、212865.84、198008.36、218043.58、 223685.35、219866.29、250600.68、231075.18、240588.34、232340.84、 221697.06、262814.73、259422.45、263809.38、262658.33、292085.61、 296326.78、270356.51、294678.21、288563.65、289814.77、284764.89、 275944.68、257262.95、279310.55、266544.56、280197.73、294567.25、 261627.16、294270.37、255809.01、294406.83、258482.9、286047.36、 296535.81、297001.64、261204.46、285997.7、278522.92、275723.43、 282713.81、286326.43、255133.88、281620.5、307878.08、280177.3、 275946.72、266206.13、273901.77、284267.88、271712.6、276743.02、 267725.55、268090.07、282362.86、288993.96、252626.76、304787.33、 285556.63,268903.6,267305.66,273158.34,279373.,248940.02,292850.45、293798.12、280864.57、271289.4、298083.23、277730.68、 265415.04、311104.73、266586.9、275110.78、299955.73、261285.5、 256520.79、273203.79、304225.17、301307.72、253590.53、262333.45、 269571.89、290846.16、284643.81、297367.44、282023.04、279090.59、 289588.13、282481.78、261411.17、250816.84、265149.14、259258.88、 310512.72、257620.25、286011.91、303931.、292495.41、289256.68、 299813.81、266187.16、279987.15、215366.44、241956.98、227704.45、 216477.74、230363.31、218791.79、210513.55、226063.2、232533.57、 217075.43、238669.29、235908.1、217481.39、231542.11、194892.86、 208282.25、246944.02、221500.85、227364.29、222164.66、227594.51、 214899.22、239267.56、219743.7、220969.13、233171.07、226127.71、 234041.17、193541.17、226891.74、230047.64、229922.05、220075.76、 226320.32、233931.01、229104.73、214146.、217682.42、238526.54、 213563.77、204676.15、224322.95、229124.46、213426.79、223763.71、 226022.14、224145.28、220976.63、229450.14、199157.66、247660.72、 229099.51、221096.28、232582.35、205445.95、227899.58、227205.4、 202458.72、223668.08、222830.76、231744.24、222215.3、209346.32、 228354.2、244410.78、234203.08、221032.88、224545.49、251254.4、 221726.69、223515.34、223135.35、213648.48、224442.04、227248.63、 240377.42,203357.37,205494.03,241988.01,228788.,234966.62,235993.11、224000.3、226601.65、225616.58、213258.97、217105.54、 246740.64、236386.48、241388.42、218093.57、232212.57、227998.53、 225645.66、209959.16、226746.48、217287.97、219516.77、208008.83、 204576.3、222094.2、216629.44、240137.59、224735.34、238799.75、 216066.65、205413.69、209655.99、221595.7、209092.19、220330.63、 211108.16、258312.59、227245.29、209126.25、224846.59、226452.67、 220224.9、211032.47、220379.49、211979.39、223078.69、224219.36、 234721.26、222765.24、214398.97、217952.16、235957.47、216041.13、 215472.68、282592.89、245940.81、221952.67、219267.44、235109.63、 218915.66、236101.74、220775.75、227117.6、250352.31、236766.15、 228836.07、223404.54、237986.3、238206.01、199580.83、212679.62、 217286.31、232515.29、214405.56、219631.56、222934.7、219887.33、 244923.9、207364.38、233383.88、231076.46、225752.76、219868.12、 216717.19、205702.67、237615.44、200176.23、232516.74、212155.27、 219839.67、225234.2、221428.71、214874.4、219397.58、215118.51、 226692.06、239060.01、230227.72、217069.31、222912.52、225029.83、 200494.97、212343.25、220732.44、230495.64、256233.35、222425.35、 208100.89、231571.11、227705.47、217850.45、230791.23、243621.41、 205616.34、220113.64、239415.、213952.62、236772.42、212686.94、 220978.53、234822.43、228314.68、221396.67、214984.84、226994.38、 228590.63、224911.11、223924.48、214580.72、231291.3、220624.85、 219361.71,223527.85,226842.41,251526.13,222621.63,214709.2 ])],dtype=object)

df_q12 = np.array([df_q11_y1['cost'].values,df_q11_y2['cost'].values],dtype=object)#import from existing pandas dataframes. Successful and reads as numpy.ndarray type when checked.

df_q12[0].astype(float) #typecast column 1 to float
df_q12[1].astype(float) #typecast column 2 to float

sigtest = stats.chi2_contingency(df_q12) #throws error

解决方法

问题是在数组本身中创建的，第一列的长度为 364，第二列的长度为 366。