卡方检验主要用于检验计数数据是否符合某种分布，比如男女比率本应该是1:1，但实际采集的样本可能是1:2，那么1:1和1:2之间有没有差异，我们需要用卡方检验来比较。
先引入相关模块
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/d2987775f2c4ec99472b75b5c3fe1e425c6b07fc.jpg)
实例化ChiSqure1way对象
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/1f03436b04d14929bfe048a763e5eceeacbc7efc.jpg)
运行卡方检验，如果我们只输入一个参数，表示我们要检验这一列数据分布是否均匀，也就是各组频数是否相等
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/edafb3bcbe2f47706a70ae6e6f3b3b86032179fc.jpg)
基本检验结果首先是数据的描述
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/03605157935653bbcc48154f1d0b3121046171fc.jpg)
接着是卡方检验结果，根据p值可知两组差异不显著
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/05e24be983aee8d76442925b6b781431deb666fc.jpg)
统计量检验
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/332d496699cf0253690b52316b36e29146e85ffc.jpg)
假如我们输入两个参数，可以指定各组频数的期望值
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/38332303bbea3e86602010f75cd4483105eb55fc.jpg)
结果是这样的：
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/49701aebf6a75f0fd543055a97324b18502c4cfc.jpg)
对于结果，我们可以使用字典的方式读取个别值，比如卡方：
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/8db0c6a726334884ad8b3a98ddee7b7f870e45fc.jpg)
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/fdb4f00d3aceaad719037d56eee7340f6578b8fc.jpg)
对于其他值，我们可以参考下面的列表：
![Python统计分析：[8]单因素卡方检验](https://exp-picture.cdn.bcebos.com/bff8683e21c2bbd694b81c5c116186254093aefc.jpg)