第一次尝试在这里使用scipy.stats和python-semi-newbie。我的假设是我在某个地方犯了一个新手错误。
我要做的是：我正在尝试进行零假设测试，以确定两组值之间的差异是否具有统计学意义。
我已经采取了解决问题的步骤：我正试图在由两个不同的panda数据帧创建的ndarray(定义为df_q12)上运行chi2_convergence()。
-
我已经成功地将这两列导入到一个数组中。type(df_q12返回numpy.ndarray)。我抛出了一个弃用警告，最初将现有的浮点作为对象导入。
-
将每列单独类型转换为float。
-
检查了两列的最小值，其中都没有负值。
我被卡住的地方：然后我尝试运行chi2_convergence(df_q12)，并得到以下错误消息：
ValueError
Traceback(上次调用)在里面---->1 sigtest=stats.chi2_偶然性(df_q12)C： chi2_应急中的\ProgramData\Anaconda3\lib\site packages\scipy\statis\contingency.py(已观察，更正，lambda_)240〃"quot；241个观测值=np。asarray(观测值)-->242，如果np.any(观察到<0)：243引发ValueError("observed中的所有值必须是非负的")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.any()或.all()
从这一点我可以理解，负面价值观将是一个问题。我已经将类型转换为float，并且我已经确认没有负值，所以我认为布尔比较正在进行，这就是它促使我使用.any()或.all()的原因。由于所有的活动都在函数中，我不知道如何应用逻辑_and/or运算符来解决它，现在我也没有主意了。还有咖啡。
如何解决此问题？
作为新的、完整的数据和下面的注释代码，以防我在某个地方做了一些愚蠢的事情。
ndarray中的数据别名为df_q12：阵列，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、224672.48，212031.97190574.09196383.4721437.06213451.43209158.5，217324.77、223547.81、218391.5、209772.31、199517.71、199899.88，218308.09209584.02206407.472009863.69222782.56205026.92，211615.22、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、218216.05，214708.25203174.42192845.6197240.56202266.36202952.95，211353.93、213024.91、210971.06、237316.14、245105，233726.35，233663.55208038.24 185707.23223872.12238016.12206233.25，245762.5199276.532202216.61 233149.8206679.62 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、229842，203028.24，210975.8220944.06222522.58 185604.38 190387.49 203510.35，208293.01、241088.39、216568.42、207284.95、215908，203660.09，205022.4920332.31198320.6229592.76209432.3221327.37，185173.96、227394.76、197296.76、204906.03、220196.25、223749.98，209139.32、228930.79、231419.88、211612.84、223534.16、198760.84，213055.02220203.08185529.81 219061.27 217430.5191437.28，193588.99、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、202775.38，230435.7222959.6219196.06220438.8823503.77260478.33，242138.01、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、228801.63，220396.5320535.23207628.5242813.06206626.01199732.15，220114.08、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、235923.09，246692.7208863.99209209.3219247.03226977.68228711.46，219680.65、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、217698.56，214316.6226697.67199961.42181974.42229596.24234159.29，218079.62、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])，阵列([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、23208.31、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、194892.86，208282.25246944.02221500.85227364.2922164.66227994.51，214899.2239267.5619743.7220969.1323371.07226127.71，234041.17、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、227248.63，240377.4220357.3720594.03241988.01228788，234966.62，235993.11224000.3226601.65 225616.58 213258.97 217105.54，246740.64、236386.48、241388.42、218093.57、232212.57、227998.53，225645.6620959.16、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、225029.83，200494.97212343.25220732.442304495.6425.35，208100.89、231571.11、227705.47、217850.45、230791.23、243621.41，205616.34、220113.64、239415，213952.62236772.4212686.94，220978.53、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=对象)
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
数组本身出现问题，第一列的长度为364，第二列的长度是366。