Wilcoxon-Mann-Whitney

另一类非参数假设检验称为「秩和检验」。秩是数值从小到大排序后的位置。您可以把它们想成赛跑名次：用时最短（数值最小）的是第 1 名，第二短的是第 2 名，依此类推。

通过对数据的秩而非原始数值进行计算，您可以避免对检验统计量分布作出假设。其稳健性更强，就像中位数比平均数更不易受极端值影响一样。

一种常见的基于秩的检验是 Wilcoxon-Mann-Whitney 检验，它类似于非参数 t 检验。

late_shipments 已提供，且已加载以下包：pingouin 和 pandas（简称 pd）。

本练习是课程的一部分

Python 假设检验

查看课程

练习说明

从 late_shipments 中选择 weight_kilograms 和 late，并命名为 weight_vs_late。
将 weight_vs_late 从长表转换为宽表，columns 设为 'late'。
运行 Wilcoxon-Mann-Whitney 检验，比较货件延误与按时情况下 weight_kilograms 是否存在差异。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Select the weight_kilograms and late columns
weight_vs_late = ____

# Convert weight_vs_late into wide format
weight_vs_late_wide = weight_vs_late.pivot(columns=____, 
                                           values=____)


# Run a two-sided Wilcoxon-Mann-Whitney test on weight_kilograms vs. late
wmw_test = ____



# Print the test results
print(wmw_test)

编辑并运行代码