概念
Mann-Whitney 秩和检验，也被称为 Mann-Whitney-U 检验。在笔者另一篇博客 ( https://blog.csdn.net/Raider_zreo/article/details/101380293 ) 中已经对 Wilcoxon 秩和检验有过介绍，事实上，Wilcoxon 统计量与 Mann-Whitney 统计量是等价的。Wilcoxon 秩和检验主要针对两样本量相同的情况，而 Mann-Whitney 秩和检验考虑到了不等样本的情况，算是对 Wilcoxon 秩和检验这一方法的补充。因此，也称两样本的秩和检验为 Wilcoxon-Mann-Whitney 检验 ( 简称 W-M-W 检验 )。
实例 & 代码
研究不同饲料对雌鼠体重增加是否有差异，数据表如下表所示（显著性水平为0.05）：
| 饲料 | 鼠数 | 各鼠增加的体重/g |
|---|---|---|
| 高蛋白 | 12 | 134，146，104，119，124，61，107，83，113，129，97，123 |
| 低蛋白 | 7 | 70，118，101，85，112，132，94 |
解答：
import scipy.stats as stats
weight_high=[134,146,104,119,124,161,107,83,113,129,97,123]
weight_low=[70,118,101,85,112,132,94]
stats.mannwhitneyu(weight_high,weight_low,alternative='two-sided')
结果如下：
MannwhitneyuResult ( statistic = 62.0, pvalue = 0.09934224785346528 )
由于p值大于0.05，故可以认为没有显著差异。
scipy.stats.mannwhitneyu() 参数解析
scipy.stats.mannwhitneyu( x, y, use_continuity = True, alternative = None )
- x, y：array_like
样本数据数组 - use_continuity：bool, optional
是否需要0.5的连续性校正，建议小样本需要。默认值为 True 。 - alternative：{None, ‘less’, ‘two-sided’, ‘greater’}, optional
‘two-sided’ 表示双侧检验，‘greater’ 为备择假设是大于的单边检验，‘less’ 为备择假设是小于的单边检验，None 表示双侧检验 p 值的一半。默认值为 None 。
