如何在Python中进行 Wilcoxon 符号秩检验？

先决条件：参数和非参数方法，假设检验

在本文中，我们将了解如何在Python编程语言中进行 Wilcoxon 符号秩检验。 Wilcoxon 符号秩检验，也称为 Wilcoxon 配对检验，是一种非参数假设检验，它比较两个配对组的中位数并判断它们是否同分布。

使用 Wilcoxon()函数的 Wilcoxon 符号秩检验

在这种方法中，用户需要使用 scipy.stats 库中的所需参数调用 Wilcoxon()函数，以使用Python编程语言对给定数据进行 Wilcoxon 符号秩检验。

Syntax: wilcoxon(x, y, alternative=’two-sided’)

Parameters:

x: an array of sample observations from group 1
y: an array of sample observations from group 2
alternative: defines the alternative hypothesis. Default is ‘two-sided’ but other options include ‘less’ and ‘greater.’

编程需要懂一点英语

这是一个假设检验，两个假设如下：

Ho（接受）：样本分布是相等的。
Ha（拒绝）：样本分布不均等。

示例 1：在Python中进行基本的 Wilcoxon 有符号秩检验

在此示例中，我们将简单地使用 scipy.stats 库中的 Wilcoxon()函数在Python编程语言中对给定的两组进行 Wilcoxon 符号秩检验。

Python

# Create data
import scipy.stats as stats
  
group1 = [456, 564, 54, 554, 54, 51, 1, 12, 45, 5]
group2 = [65, 87, 456, 564, 456, 564, 564, 6, 4, 564]
  
# conduct the Wilcoxon-Signed Rank Test
stats.wilcoxon(group1, group2)

Python

import pandas as pd
import scipy.stats as stats
  
data = pd.read_csv("gfg_data.csv")
stats.wilcoxon(data['bp_before'], data['bp_after'])

输出：

WilcoxonResult(statistic=15.0, pvalue=0.2023283082009374)

输出解释：

因为在上面的例子中，p 值为 0.2，小于阈值（0.5），即 alpha（0.5），即 p-value 0.5，则相反。

示例 2：使用 CSV 文件进行 Wilcoxon 有符号秩检验

在此示例中，我们将使用包含 121 行的数据集，其中包含血压前后的血压，然后将使用Python编程语言中的 wilcoxon()函数对其进行测试。

所用数据集的链接：单击此处。

Python

import pandas as pd
import scipy.stats as stats
  
data = pd.read_csv("gfg_data.csv")
stats.wilcoxon(data['bp_before'], data['bp_after'])

输出：

WilcoxonResult(statistic=2234.5, pvalue=0.0014107333565442858)

输出解释：

因为在上面的例子中，p值是0.001，它小于阈值（0.5），即alpha（0.5），即p值 0.5，则相反。