山东潍坊疫情最新消息2022/搜索引擎优化的基本手段

我想在Python(3.7.1)中使用scipy.stats.chi2_contingency的输出来计算Pearson的标准化残差。我已经在this stackoverflow post上纠结了，这正是我需要的，但是我得到了错误的结果。我只能猜测这可能与我更新的Python版本有关(链接来自2013年)？在

我已经把

v = csum * rsum * (n - rsum) * (n - csum) / n**3

包括cr_sum = csum * rsum和{}。两个输出数组都具有(2,5)的形状。这里似乎有必要计算cr_sum和{}的Hadamard积。当我手动对第一个单元格(频率值为33)执行此操作时，我得到了右残差(-2.62309082)。但是，我不能让这个Hadamard产品在Python中工作。相反，Python似乎是一些广播和输出：

array([[-1125512208, -267063340, -274153780, -1725637260, 691228240],

[-1125512208, -267063340, -274153780, -1725637260, 691228240]])。在

此外，我通常不知道何时使用哪种乘法类型。在stackoverflow邮报上，评论员只使用了星号，一切似乎都很顺利。必须对代码进行哪些更改？为什么？在

这是我的代码：from __future__ import division

import numpy as np

from scipy.stats.contingency import margins

from scipy.stats import chi2_contingency

def residuals(observed, expected):

return (observed - expected) / np.sqrt(expected)

def stdres(observed, expected):

n = observed.sum()

rsum, csum = margins(observed)

v = csum * rsum * (n - rsum) * (n - csum) / n**3

return (observed - expected) / np.sqrt(v)

F = np.array([[33, 250, 196, 136, 32], [55, 293, 190, 71, 13]])

chi2, p, dof, expected = chi2_contingency(F)

stdres = stdres(F,expected)