什么是python'；s等价于Matlab'；这是朗克苏姆？

scipy.stats.ranksum

，

wilcoxon

，

mannwhitneyu

都给出了与Matlab的

ranksum

不同的结果，这取决于您使用的选项。检查以下示例：

1-MATLAB

rng('default') % for reproducibility
x = unifrnd(0,1,20,1);
y = unifrnd(0.25,1.25,20,1);
p = ranksum(x,y);
p =
   0.2503

2-Python （为了保持一致，我没有再次生成数字，但我已将MATLAB中生成的数字移动到Python脚本中）

此结果与以下选项一起使用：

1-对于MATLAB：

p=ranksum（x，y）返回双侧Wilcoxon秩和的p值 测试。ranksum检验了零假设，即x和y中的数据是 来自连续分布的样本，中位数相等，与 另一种选择是，它们不是。测试假设两个样本 他们是独立的。x和y可以具有不同的长度。这个测试是 相当于曼惠特尼U检验

2-对于Python：

计算两个样本的Wilcoxon秩和统计量。这个 Wilcoxon秩和检验检验两组 测量值取自相同的分布。替代方案 假设一个样本中的值更可能更大 而不是其他样本中的值。此测试应用于 比较连续分布的两个样本。事实并非如此 处理x和y方向测量值之间的关系

---

另一个例子

在这里，我使用相同的数据，具有相同的MATLAB功能，但不同的选项。现在您可以看到，结果与Scipy中的

mannwhitneyu

函数的结果相同

MATLAB

[p,h,stats] = ranksum(x,y,'alpha',0.01,'tail','left','method','exact');
p = 
    0.1267

Python

m = mannwhitneyu(xx, yy, use_continuity=True)
print m

MannwhitneyuResult(statistic=157.0, pvalue=0.12514839875175593)

---

一些代码来说明它们的不同之处会很好。具体地说，请在您的帖子中附上一封信。为什么

0.1267！=0.12514839875…

？不同的数字格式？这里我们没有在MATLAB和Python中设置所有相同的选项。我想通过深入细节可以发现差异的原因。@NKN对我来说，第一个是类似的，所以当你提到MATLAB的测试中位数时，我假设Python也是？

m = mannwhitneyu(xx, yy, use_continuity=True)
print m

MannwhitneyuResult(statistic=157.0, pvalue=0.12514839875175593)