pandas.DataFrame.corr()默认计算皮尔逊相关系数，自动处理NaN并要求数值型数据；常见问题包括全NaN列（因全缺失或零方差）、非数值类型被跳过；需确保dtype为float64/int64，缺失过多时慎用；scipy.stats.pearsonr()更灵活但需手动对齐剔除NaN，并返回r值与p值。
用 pandas.DataFrame.corr() 算皮尔逊相关系数最直接
默认就是皮尔逊（Pearson），只要数据是数值型、无太多缺失，corr() 一行就能出结果。它本质调的是 numpy.corrcoef()，但封装得更稳，自动处理 NaN（默认按成对删除）。
常见错误现象：corr() 返回全 NaN 列 —— 很可能是某列全为缺失值或方差为 0（比如全是同一个数）；也可能是列类型是 object，pandas 自动跳过，结果里压根不出现该列。
- 确保目标列是数值类型：
df['col'].dtype应为float64或int64，否则先pd.to_numeric(df['col'], errors='coerce') - 检查缺失值比例：超过一半缺失时，相关系数波动大，参考价值低
- 若想改变缺失值处理方式，用
min_periods=10控制最小有效配对数，避免因个别缺失就整列失效
手动调 scipy.stats.pearsonr() 更灵活，但要自己配对
当你要算两个特定变量之间相关性、同时需要 p 值、或者想控制配对逻辑（比如强制用完整观测集），pearsonr() 是更透明的选择。但它不接受含 NaN 的数组，也不会自动对齐索引 —— 这是新手最容易卡住的地方。
使用场景：做假设检验、画散点图前快速验证线性强度、调试某两列异常相关时。
- 必须先对齐并剔除缺失：用
mask = ~df['x'].isna() & ~df['y'].isna()，再传df['x'][mask]和df['y'][mask] -
pearsonr()返回元组：(r_value, p_value)，别只取第一个还忘了解包 - 样本量
相关系数接近 ±1 却没意义？警惕非线性关系和离群值
皮尔逊只衡量线性相关。如果散点图呈抛物线、环状或明显有离群点，r 可能高得误导人，也可能被拉低到接近 0。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
性能影响不大，但解读成本极高 —— 很多人算完一个数字就下结论，跳过了可视化这步。
- 永远搭配散点图：
df.plot.scatter('x', 'y')，一眼看出趋势形态 - 用
df[['x','y']].describe()快速扫一眼标准差和极值，判断是否存在强离群点 - 若怀疑非线性，试试
scipy.stats.spearmanr()（秩相关）或sklearn.metrics.mutual_info_score()（互信息）
多列批量计算后，怎么快速筛选强相关变量对
直接看热力图太慢，也难定位具体哪几对。用布尔索引 + unstack() 是最实用的提取方式，比循环 or itertools.combinations 清晰得多。
容易踩的坑：相关矩阵是对称的，上三角和下三角重复；另外 abs(r) > 0.7 这种阈值在小样本下极易误判。
- 先生成相关矩阵：
corr_matrix = df.corr(method='pearson') - 提取上三角（去重）：
upper = corr_matrix.where(np.triu(np.ones(corr_matrix.shape), k=1).astype(bool)) - 转长格式并过滤：
upper.stack().abs().sort_values(ascending=False).head(10) - 注意：若 df 有 100 列，相关对数是 ~5000，别用
corrwith()循环单列比对，效率低且易出错
皮尔逊相关系数本身很简单，难的是确认它适用的前提——线性、正态倾向、无强离群、变量间无隐藏分组。算之前花三十秒看分布，比跑十次 corr() 有用得多。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
