在Python中，您可以使用scipy.stats库来计算卡方统计量。

以下是一个示例代码，展示了如何计算卡方

Apply

import pandas as pd

import scipy.stats as stats

# 假设您已经有了一个包含分类数据的DataFrame

df = pd.DataFrame({

    'Category': ['A', 'B', 'C', 'A', 'B', 'C'],

    'Outcome': ['Yes', 'No', 'Yes', 'No', 'Yes', 'No']

})

# 创建一个列联表

contingency_table = pd.crosstab(df['Category'], df['Outcome'])

# 计算卡方统计量、p值、自由度和期望值

chi2, p, dof, expected = stats.chi2_contingency(contingency_table)

print(f"卡方统计量: {chi2}")

print(f"p值: {p}")

print(f"自由度: {dof}")

print(f"期望值: \n{expected}")

在这个示例中，我们首先创建了一个包含分类数据的DataFrame，然后使用pd.crosstab函数创建了一个列联表。接着，我们使用stats.chi2_contingency函数计算了卡方统计量、p值、自由度和期望值。

请注意，您需要根据您的实际数据和需求来调整代码。如果您的DataFrame中包含的是数值数据，您可能需要先将其转换为分类数据。