Spearman秩相关系数用scipy.stats.spearmanr计算，传入两个一维数组得(rho, p_value)，rho即系数；需预处理缺失值和分类变量，批量计算推荐df.corr(method="spearman")["target"].sort_values(key=abs, ascending=False)。
怎么用 spearmanr 计算单对特征的秩相关性
Scikit-learn 本身不提供 spearmanr —— 它是 scipy.stats 的函数。很多人在 sklearn.feature_selection 里翻半天没找到，是因为选错了模块。
用 spearmanr 的核心逻辑是：它不依赖线性假设，适合处理单调但非线性的关系（比如“收入越高，房价越高”，哪怕不是直线上升），也对异常值更鲁棒。
- 必须传入两个一维数组，
spearmanr(x, y)返回元组(rho, p_value)，只取第一个值rho就是 Spearman 相关系数 -
x和y不能含缺失值，否则报错ValueError: Input arrays must not contain NaNs，得提前用dropna()或np.nan_to_num() - 分类变量要先编码（如
LabelEncoder或pd.Categorical），否则秩序无意义
from scipy.stats import spearmanr
rho, _ = spearmanr(train_housing["median_income"], train_housing["median_house_value"])
print(f"Spearman rho: {rho:.3f}") # 比如输出 0.687
怎么批量计算所有特征对目标变量的 Spearman 相关性
想一次性看全部特征和 median_house_value 的 Spearman 关系？别手写循环——Pandas 的 apply 配合 spearmanr 更稳。
注意：Pandas 内置的 .corr(method="spearman") 确实能算，但它底层调的是 scipy，且会自动跳过 NaN、做排序秩转换，行为一致，但返回的是完整相关矩阵，而你往往只关心目标列。
- 直接用
df.corr(method="spearman")["median_house_value"].sort_values(key=abs, ascending=False)最省事 - 如果数据量大（>10 万样本），
spearmanr会变慢，因为要排序；此时可考虑采样（如df.sample(10000)）再算 - 结果中出现
NaN，大概率是某特征全为同一值（方差为 0），秩无法定义，得先用VarianceThreshold过滤掉
为什么不用 SelectKBest + spearmanr 直接筛选？
因为 sklearn.feature_selection.SelectKBest 不支持 spearmanr 作为 score_func——它只认接受 (X, y) 并返回一维数组的函数，而 spearmanr 是双输入标量输出，类型不匹配。
强行包装会出错：TypeError: spearmanr() missing 1 required positional argument: 'y'。有人试过用 lambda 匿名函数绕过，但会导致无法 pickle（影响 Pipeline）、且评分向量维度错乱。
- 正确做法：先用
df.corr(method="spearman")得到各特征得分，再用SelectFromModel或手动索引选取 top-k - 若坚持走 sklearn 流水线，可用
mutual_info_regression替代——它不要求单调性，还能捕获非线性依赖，且原生支持SelectKBest - 别把 Spearman 当万能药：它只测单调性，对 U 型、周期型关系完全不敏感（比如“温度→用电量”可能是倒 U 型）
和 Pearson 相关性对比时最容易忽略的三点
很多人默认“Spearman 更好”，其实要看场景。两者差异不在“谁高级”，而在“谁适配当前数据形态”。
- Pearson 对离群点极度敏感；Spearman 把值转成秩，天然抗噪——但代价是丢掉原始尺度信息，比如两个特征差 10 倍和差 100 倍，在秩上没区别
- 当特征分布严重偏态（如收入、房价），Pearson 可能低估真实关联，Spearman 更可靠；但若已做过对数变换，Pearson 往往更稳定
- Scikit-learn 中的
RFECV、PermutationImportance等后续步骤，底层默认用模型预测误差，和相关性方法无关——别指望靠换 Spearman 就让 RFE 结果变好
真正卡住人的，往往不是不会调函数，而是没意识到 Spearman 给出的只是一个单调性快照，它不回答“这个特征要不要进模型”，只回答“它和目标有没有一致增减趋势”。后面还得结合业务、可解释性、模型类型一起判断。
