이변량 분석 : 범주 → 범주

 

교차표

 

- pd.crosstab('범주',범주')

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

normalize : 컬럼안에서 비율 계산 (columns, index, all)

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

 

- 외) pd.crosstab(x,y)

temp = pd.crosstab(titanic['Pclass'], titanic['Survived'], normalize = 'index')
print(temp)
temp.plot.bar(stacked=True)
plt.axhline(1-titanic['Survived'].mean(), color = 'r')
plt.show()

 

시각화 : Mosaic Plot

import matplotlib.pyplot as plt
import seaborn as sns
from statsmodels.graphics.mosaicplot import mosaic      #mosaic plot!
import scipy.stats as spst

 

- mosaic(data, ['x범주','y범주'])

temp = data.sort_values('Sex')

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

 

전체 생존률의 평균 비율 - 빨간색

아무런 관련이 없으면 나오는 그래프

 

수치화 : 카이제곱 검정 : Chi-squared Test

카이제곱 통계량 : 기대빈도(관련이 없을 때 나오는 값)와 실제 데이터의 차이

기대빈도 : 아무 관련이 없을 때 나올 수 있는 빈도수(귀무가설이 참일때 나오는 값 )

 

- 자유도

샘플이나 표본 데이터에서 자유롭게 변할 수 있는 변수의 수

자유도 = 범주의 수 - 1

 

 

- 코드

1. 교차표 집계

교차표 = pd.crosstab(데이터['범주'],데이터['범주'])

※ 비율로 하면 안됌!

table = pd.crosstab(titanic['Survived'], titanic['Pclass'])

 

2. 카이제곱검정

spst.chi2_contingency(교차표)

result = spst.chi2_contingency(table)
print(f'x^2 : {result[0]}')
print(f'pv : {result[1]}')
print(f'dof : {result[2]}')
print(f'ef : {result[3]}')

 

카이제곱 : 높을 수록 차이가 큼

p-value : 0.05 기준

dof 자유도 : (3-1) x (2-1)

기대빈도 : 관련이 없으면 나오는 빈도수