我正在处理一些数据，试图了解两个变量之间的关联，并使用了Python中的Scipy包进行卡方分析。

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

当我对相同的数据应用卡方分析时，出现了错误，提示ValueError: The internally computed table of expected frequencies has a zero element at (0,).

代码：

from scipy.stats import chi2_contingencystat,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 freedomValueError: The internally computed table of expected frequencies has a zero element at (0,).

这个问题的原因可能是什么？我该如何解决这个问题？

回答：

请重新查看chi2_contingency的文档字符串。第一个参数observed必须是列联表。你需要计算列联表（就像你用pd.crosstab(data['loan_default'],data['id_proofs'])做的那样），然后将其传递给chi2_contingency。