Calculer et automatiser le V de Cramer sur plusieurs couples de variables

Bonjour !

J'ai une base de données contenant une soixantaine de variables, et je souhaite éliminer les variables trop liées entre elles en testant leur indépendance grâce au V de Cramer. Le test compare les variables 2 à 2 (manuellement, c'est long).

Deux questions :
1/ Comment calculer le V de Cramer sous Python ?
2/ Comment automatiser le calcul de sorte à obtenir un tableau de ce type (bien que je sois preneuse d'une solution alternative) :

Tableau des V de Cramer entre les variables

---|-A-|--B-|--C-|--D-|

A | 1 | 0.8 | 0.6 | 0.3 |

B | 0.8 | 1 | 0.5 | 0.2 |

C | 0.6 | 0.5 | 1 | 0.4 |

D | 0.3 | 0.2 | 0.4 | 1 |

Pour 1/, j'ai ce code pour le moment (construit à partir de deux sources, dont 1 sur un autre forum). A priori, il ne fonctionne pas, car il me donne des résultats supérieurs à 1 alors que le V de cramer devrait se situer entre 0 et 1

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

import scipy.stats as ss import numpy as np import pandas as pd   #Création d'un tableau croisé crosstab = pd.crosstab(variableA, variableB, rownames=['variableA'], colnames=['variableB'])   #Test de cramer def cramers_stat(crosstab): chi2 = ss.chi2_contingency(crosstab)[0] n = crosstab.sum() return np.sqrt(chi2 / (n*(min(crosstab.shape)-1)))   result = cramers_stat(crosstab) print(result)

---

Pour 2/... je ne vois pas du tout comment automatiser tout ça


Merci pour votre aide, je bloque depuis un bon moment :(

Bonjour,

tout d'abord, pour essayer de vous aider au mieux, j'ai deux questions à vous poser :

Tout d'abord, le tableau que vous nous avez inscrit correspond à des calculs que vous avez fait manuellement pour vérifier la justesse des résultats pour ces quatre variables ou un exemple quelconque?

Ensuite, dans votre code se trouve un pd.crosstab. Est-ce une erreur de copie, une classe personnelle non marqué dans vos import, ou un import du module panda réduit en pd?

Pour le premier point, je ne vois pas d'où peut venir l'erreur, mais pourriez-vous donner vos sources, afin que je puisse voir exactement la manière dont ils avaient fait leurs implémentations?

Pour le second point, je ne vois qu'une double boucle parcourant l'ensemble de votre tableau de valeur.

Bonjour,

Pour répondre à la question 1

Pour automatiser les traitements sur des Frames, j'utiliserai la librairie Pandas de python comme il est noté sur Stackoverflow. Elle facilite les traitements.

Au plaisir de te lire.

Bonjour, merci pour vos retours,

@bobnolit

- Le tableau inscrit est un pur exemple de ce que j'aimerais obtenir in fine.

- Pour le module, j'ai oublié d'écrire l'importation de pandas dans le code (comme je suis sur Jupyter, le code s'exécute par blocs, j'ai oublié d'ajouter celui-ci). Je vais corriger ça. La documentation de pandas.crosstab() se trouve ici. Il permet de faire un tableau croisé qui compte le nombre d'apparitions de combinaisons de modalités (comme on peut faire avec les tableaux dynamiques dans excel). Par exemple, 5 bruns ont les yeux bleux, 9 blonds ont les yeux marrons, etc.

- Pour le calcul du V de cramer, j'ai utilisé la source sur ce lien. Deux réponses sont proposées, l'une que j'ai utilisée, et aussi un V de cramer corrigé. Les deux me fournissent exactement les mêmes résultats, c'est à dire des chiffres compris entre 0 et 18... alors qu'ils ne devraient pas excéder 1. Je ne vois pas ce qui cloche

- Sauriez-vous comment faire cette double boucle ? Il faudrait pour cela "décaler" l'une des boucles de 1 case, pour que le code calcule des combinaisons de variables différentes au lieu des deux mêmes. Je n'ai pas encore trouvé comment faire ce décalage
Et le plus dur, parvenir à enregistrer chaque résultat dans un tableau...


@dev_ggy

Merci pour le lien, c'est justement celui-ci que j'ai utilisé pour mon code. J'obtiens des résultats, mais non cohérents car supérieurs à 1. Il me manque probablement quelque chose entre le tableau croisé et le V de cramer, je ne vois pas quoi

Pour la 2/, Je vais regarder sur Stackoverflow mais j'ai déjà parcouru un bon nombre de forum/tutoriels sans trouver de sujet similaire au mien

Salut,

Citation:

---

Envoyé par Seika

- Sauriez-vous comment faire cette double boucle ? Il faudrait pour cela "décaler" l'une des boucles de 1 case, pour que le code calcule des combinaisons de variables différentes au lieu des deux mêmes. Je n'ai pas encore trouvé comment faire ce décalage

Et le plus dur, parvenir à enregistrer chaque résultat dans un tableau...

---

La structure est de la forme:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

>>> def calculer(a, b): ... return '%sx%s' % (a, b) ... >>> tableau = [ [0,] * 4 for _ in range(4) ] >>> base = ord('A') >>> for i in range(4): ... tableau[i][i] = 1 ... for j in range(i+1, 4): ... tableau[i][j] = tableau[j][i] = calculer(chr(base+i), chr(base+j)) ... >>> for row in tableau: ... print(row) ... [1, 'AxB', 'AxC', 'AxD'] ['AxB', 1, 'BxC', 'BxD'] ['AxC', 'BxC', 1, 'CxD'] ['AxD', 'BxD', 'CxD', 1] >>>

---

rien de bien méchant si vous avez pris le temps d'apprendre à programmer avec Python.

- W

Bonjour wiztricks,

Merci pour ta réponse. Malheureusement parfois il nous faut savoir faire dans un temps limité avant de savoir faire tout court. Je ne suis néanmoins venue ici qu'après plusieurs heures de recherches de mon côté.

Je suis parvenue à résoudre le premier problème. Il fallait faire la somme de la somme crosstab.sum() pour que python calcule l'ensemble des chiffres du tableau, et non chaque colonne une à une. J'ai testé ce code corrigé sur un petit tableau de test, le V de cramer calculé est bon. Voici le code :

Calcul du V de cramer :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import scipy.stats as ss import numpy as np import pandas as pd #Création d'un tableau croisé crosstab = pd.crosstab(variableA, variableB, rownames=['variableA'], colnames=['variableB'])   #Test d'indépendance de cramer def cramers(crosstab): chi2 = ss.chi2_contingency(crosstab)[0] n = sum(crosstab.sum()) return np.sqrt(chi2 / (n*(min(crosstab.shape)-1)))   result = cramers(crosstab) print(result)

---

La question 2/ reste toujours d'actualité, j'essaye d'appliquer ta structure, merci. Je reviens vers vous si j'ai du nouveau.