R和Python中Wilcoxon测试的区别

我试图在R和python的scipy.stats包中运行Wilcoxon测试。但是我得到的结果不同，有人能解释吗

我的R代码

    > des2
 [1]  6.2151308  4.7956451  4.7473738  5.4695828  6.3181463  2.8617239
 [7] -0.8105824  3.9456856  4.6735000  4.1067193  5.7656002  2.2237666
[13]  1.0354143  4.9547707  5.3156348  4.8163154  3.4024776  4.2876854
[19]  6.1227500
> wilcox.test(des2, mu=0, conf.int = T)

    Wilcoxon signed rank test

data:  des2
V = 189, p-value = 7.629e-06
alternative hypothesis: true location is not equal to 0
95 percent confidence interval:
 3.485570 5.160925
sample estimates:
(pseudo)median 
      4.504883 

我的Python代码：

test = [6.2151308, 4.7956451,  4.7473738,  5.4695828,  6.3181463,  2.8617239, -0.8105824, 3.9456856,  4.6735000,  4.1067193, 5.7656002, 2.2237666, 1.0354143, 4.9547707, 5.3156348,  4.8163154,  3.4024776,  4.2876854,  6.1227500]
z_statistic, p_value = wilcoxon(np.array(test) - np.log(1.0))
print "one-sample wilcoxon-test", p_value


one-sample wilcoxon-test 0.000155095772796

---

尽管两者的p值都很低，足以拒绝零假设，但p值相差3个数量级，我无法理解为什么在计算p值时，scipy的实现总是使用正常近似值。这当然适用于大样本量

n

，但对于小样本量，p值可能会偏离真实的p值

在

scipy

的注释中，您可以找到：

由于计算中使用了法线近似，因此 使用的样品应该是大的。典型的规则是要求n> 二十,

---

R

的实现为小样本量计算精确的p值，并仅对足够大的

n

使用正态近似

让我们告诉你：

默认情况下（如果未指定精确），将计算精确的p值 如果样本包含少于50个有限值且没有 领带。否则，将使用法线近似值

---

因此，简而言之：当两个p值不同时，

R

的p值应该是首选。

scipy的文档告诉我们：

因为计算使用的是正态近似值，所以使用的样本应该是大的

-wilcox的文档。test说：

默认情况下（如果没有指定精确值），如果样本包含少于50个有限值且不存在联系，则计算精确的p值。否则，将使用正态近似值。

不确定这是否是唯一的区别。我使用Wilcox是因为我不想要正态近似值……因此我应该使用R版本，对吗？R的测试不近似p值。这对于小样本来说至关重要。@cel您的评论可能就是答案。scipy没有精确的测试（但是在github上的pull请求中有一些工作要做）。@WarrenWeckesser，你知道票证id吗？如果在这里有一个链接，那就太棒了。