значит должно быть что-то по аналогии

парсить даты как текст, потом конвертировать в даты по заданному формату - так нельзя?

а если pd.to_datetime() попробовать. Там однозначно можно формат задавать. Не знаю, насколько здесь конкретно поможет.

У меня тоже вопрос. Достаточно дурацкий и не знаю, насколько сюда, но все же... Мне надо реализовать ручками scipy.stats.chi2_contingency. Без каких-то наворотов, просто, чтобы ему можно было передать таблицу наблюдаемых и ожидаемых частот/просто два списка с ними и он мне посчитал статистику и P_value. Тест планируется использовать для биномиальных данных, будут два биномиальных распределения с параметрами 5 0,5 и 5 0,6 соответственно. Другие параметры мне там не нужны, вроде как. Вопрос, где можно найти, по каким формулам там это все считается для реализации. Я слабо понимаю, как грамотно это загуглить, много разных формул, я немного запутался, если честно. Остальное все использовать можно, надо реализовать именно сам критерий.

1) считаете ожидаемые частоты

2) считаете квадратическую разницу наблюдаемых и ожидаемых частот

3) делите на ожидаемую частоту

4) суммируете все по таблице

5) запрашивайте от этого хм-квадрат распределение с нужным числом степеней свободы

Так, это я видел. Тогда вопрос, как определить кол-во этих степеней свободы?

Количество столбцов минус 1 умножить на количество строк минус 1

Я правильно понимаю, что для моих данных это будет 4 тогда? И пункт 5 выдаст мне статистику, так?

Судя по вашему описанию, у вас 2 признака с 2 уровнями, то есть (2-1) х (2-1) = 1

Но возможно я что-то неправильно понял

у меня две выборки из биномиальных распределений с параметрами 5 0,5 и 5 0,6. Соответственно, частот у меня будет 6. Два столбца, наблюдаемые/ожидаемые частоты. Вроде все в таблице.

Будет проведено два теста:
1) сгенерированы две выборки из биномиального распределения с параметрами 5 0,5. После передачи в функцию он должен выдать соответствие.
2) будут сгенерированы две выборки из двух биномиальных распределений: 5, 05 и 5,06 параметры. Тест должен показать, что они пренадлежат разным распределениям.

ну и выдать еще P-value.

В функцию можно сразу подать частоты. Собственно, так и планировалось.

1) первое, насколько я понимаю, хи-квадрат точного попадания, а не ассоциативный

Chi-square goodness-of-fit с 5 степенями свободы (есть 6 исходов, степеней свободы на 1 меньше)

Мне кажется, тут и то и другое можно использовать. Собственно, мы забываем после генерации, что это две выборки из одного распределения.