9/30 2, 3세션

A. 범주형 & 범주형 분석

A-1. 교차표(crosstab)

• pd.crosstab(행, 열, normalize=)
• normalize 옵션 : 비율로 변환
  - columns : 열 기준으로 100%
  • index : 행 기준으로 100%
  • all : 전체에서의 비율

ex)

pd.crosstab(titanic['Survived'], titanic['Sex'])

• columns : 여자 중에서 생존자 비율, 여자 중에서 사망자 비율
• index : 사망자 중에서 여자 비율, 사망자 중에서 남자 비율

A-2. 교차표 시각화 (mosaic plot)

• statsmodels.graphics.mosaicplot 사용
• mosaic(df, [ feature, target])
• 가로 : feature
• 세로 : target

from statsmodels.graphics.mosaicplot import mosaic

mosaic(titanic, [ 'Pclass','Survived'])
plt.axhline(1- titanic['Survived'].mean(), color = 'r')
plt.show()

ex)

• 빨간 선 : 전체 생존율 평균
• 31 의 크기 : 3등급 객실 생존자의 비율
• 20 의 크기 : 2등급 객실 사망자의 비율
• 1, 2등급 객실은 생존율이 평균보다 높고, 3등급 객실은 낮다 -> 객실 등급이 생존에 유의미한 관계가 있다

A-3. 카이 제곱 검정

기대 빈도

귀무 가설이 참일 때(변수 간 아무런 관련이 없을 때) 기대되는 빈도 수

자유도

• 개별 자유도 : 범주의 수 - 1
• 전체 자유도 : (x 변수의 자유도) * (y 변수의 자유도)

ex)
Plcass -> Survived일때, Plcass 의 자유도 2, Survived 자유도 1 = 2

crosstab()

• pd.crosstab(행, 열)
• 카이제곱 전, 교차표로 집계해야 함

카이제곱 수행

• spst.chi2_contingency(table)
• 카이제곱 통계량이 클 수록, 차이가 크다
• 보통, 자유도의 2~3배 보다 크면, 차이가 있다고 본다

# 1) 먼저 교차표 집계- normalize 하면 안 됨
table = pd.crosstab(titanic['Survived'], titanic['Pclass'])
print(table)
print('-' * 50)

# 2) 카이제곱검정
spst.chi2_contingency(table)

결과
result = spst.chi2_contingency(table)

• 카이제곱통계량 : result[0]
• p-value : result[1]
• 자유도 : result[2]