एक कॉन्टिंजेंसी टेबल एक टेबल है जो पंक्तियों में एक चर के वितरण और कॉलम में दूसरे चर के वितरण को दिखाती है। इसका उपयोग दो चरों के बीच संबंध का अध्ययन करने के लिए किया जाता है। यह एक बहु-मार्ग टेबल है जो एक डेटासेट का वर्णन करती है जिसमें प्रत्येक अवलोकन कई चरों में से प्रत्येक के लिए एक श्रेणी से संबंधित होता है। यह मूल रूप से दो या अधिक श्रेणीबद्ध चरों के बीच गणनाओं का योग है। कॉन्टिंजेंसी टेबल को क्रॉसटैब या टू-वे टेबल भी कहा जाता है, जिसका उपयोग सांख्यिकी में कई श्रेणीबद्ध चरों के बीच संबंध को सारांशित करने के लिए किया जाता है।
कॉन्टिंजेंसी गुणांक एक सहसंबंध गुणांक है जो बताता है कि दो चर या डेटासेट एक-दूसरे से स्वतंत्र हैं या निर्भर हैं, इसे पियर्सन का गुणांक भी कहा जाता है।
उदाहरण
नीचे दिए गए उदाहरण में हम विश्लेषण के लिए आइरिस फ्लावर डेटासेट लेते हैं। इस डेटासेट में आइरिस की तीन प्रजातियों (आइरिस सेटोसा, आइरिस वर्जिनिका और आइरिस वर्सिकलर) में से प्रत्येक के 50 नमूने होते हैं। प्रत्येक नमूने से चार विशेषताओं को मापा गया था: सेंटीमीटर में सेपल्स और पंखुड़ियों की लंबाई और चौड़ाई। हम इन विशेषताओं पर कॉन्टिंजेंसी मॉडल बनाएंगे जो अंततः प्रजातियों को एक दूसरे से अलग करने में उपयोग किया जाएगा।
डेटासेट पढ़ना
उदाहरण
import numpy as np
import pandas as pd
datainput = pd.read_csv("iris.csv")
print(datainput.head(5))
उपरोक्त कोड चलाने पर निम्न परिणाम मिलता है:
SepalLengthCm SepalWidthCm PetalLengthCm PetalWidthCm Species 0 5.1 3.5 1.4 0.2 Iris-setosa 1 4.9 3.0 1.4 0.2 Iris-setosa 2 4.7 3.2 1.3 0.2 Iris-setosa 3 4.6 3.1 1.5 0.2 Iris-setosa 4 5.0 3.6 1.4 0.2 Iris-setosa
डेटा के सामान्य आंकड़े
अगला, हम describe() का उपयोग करके डेटा के सामान्य आंकड़े इकट्ठा करते हैं। यह इस बारे में एक विचार देता है कि डेटा कैसे वितरित है, माध्य और विभिन्न चतुर्थक।
उदाहरण
import numpy as np
import pandas as pd
datainput = pd.read_csv("iris.csv")
print(datainput.describe())
उपरोक्त कोड चलाने पर निम्न परिणाम मिलता है:
SepalLengthCm SepalWidthCm PetalLengthCm PetalWidthCm count 150.000000 150.000000 150.000000 150.000000 mean 5.843333 3.054000 3.758667 1.198667 std 0.828066 0.433594 1.764420 0.763161 min 4.300000 2.000000 1.000000 0.100000 25% 5.100000 2.800000 1.600000 0.300000 50% 5.800000 3.000000 4.350000 1.300000 75% 6.400000 3.300000 5.100000 1.800000 max 7.900000 4.400000 6.900000 2.500000
डेटा प्रकार
अगला हम डेटाफ्रेम में कॉलम के विभिन्न डेटा प्रकारों का निरीक्षण करते हैं।
उदाहरण
import numpy as np
import pandas as pd
datainput = pd.read_csv("iris.csv")
print(datainput.dtypes)
उपरोक्त कोड चलाने पर निम्न परिणाम मिलता है:
SepalLengthCm float64 SepalWidthCm float64 PetalLengthCm float64 PetalWidthCm float64 Species object dtype: object
कॉन्टिंजेंसी टेबल बनाना
अब हम प्रत्येक प्रजाति के लिए पंखुड़ी की चौड़ाई दिखाने वाले कॉलम के लिए एक कॉन्टिंजेंसी टेबल बनाते हैं। इसके लिए हम pandas में उपलब्ध crosstab फ़ंक्शन का उपयोग करते हैं और इन दो कॉलम के नाम इनपुट के रूप में देते हैं।
उदाहरण
import numpy as np
import pandas as pd
datainput = pd.read_csv("iris.csv")
width_species = pd.crosstab(datainput['PetalWidthCm'], datainput['Species'], margins=False)
print(width_species)
उपरोक्त कोड चलाने पर निम्न परिणाम मिलता है:
Species Iris-setosa Iris-versicolor Iris-virginica PetalWidthCm 0.1 6 0 0 0.2 28 0 0 0.3 7 0 0 1.0 0 7 0 1.1 0 3 0 1.2 0 5 0 1.8 0 1 11 1.9 0 0 5 2.0 0 0 6 2.1 0 0 6 2.5 0 0 3
बहु-चर कॉन्टिंजेंसी टेबल
इस मामले में हम कॉन्टिंजेंसी टेबल बनाने के लिए दो से अधिक कॉलम का उपयोग करते हैं। यहां हम प्रत्येक प्रकार की प्रजाति के लिए पंखुड़ी की लंबाई और पंखुड़ी की चौड़ाई दोनों का उपयोग करते हैं।
import numpy as np
import pandas as pd
datainput = pd.read_csv("iris.csv")
length_width_species = pd.crosstab([datainput.PetalLengthCm, datainput.PetalWidthCm], datainput.Species, margins=False)
print(length_width_species)
उपरोक्त कोड चलाने पर निम्न परिणाम मिलता है:
Species Iris-setosa Iris-versicolor Iris-virginica PetalLengthCm PetalWidthCm 1.0 0.2 1 0 0 1.1 0.1 1 0 0 1.2 0.2 2 0 0 1.3 0.2 4 0 0 0.3 2 0 0 ... ... ... ... 6.4 2.0 0 0 1 6.6 2.1 0 0 1 6.7 2.0 0 0 1 2.2 0 0 1 6.9 2.3 0 0 1