pandas.DataFrame.corr()对两列数值数据返回2×2相关矩阵，对角线为1.0，非对角线为皮尔逊系数；若得NaN，主因是缺失值或非数值数据，需清洗并指定method（如'spearman'）；结果须结合可视化解读。
直接用 pandas.DataFrame.corr()，但必须确保两列都是数值型，否则会静默丢弃非数值列或报错。
为什么 corr() 返回的不是 2×2 矩阵？
当你只传入两列（比如 df[['col_a', 'col_b']]）调用 corr()，它确实返回一个 2×2 DataFrame，对角线是 1.0（自己和自己的相关性），非对角线才是你要的皮尔逊相关系数。但容易误以为“没算出来”，其实是结果太小被忽略——尤其当列名含空格或特殊字符时，DataFrame 打印可能截断。
- 检查输出形状：
df[['a','b']].corr().shape应该是(2, 2) - 显式取值更可靠：
df[['a','b']].corr().iloc[0,1]或df['a'].corr(df['b']) - 如果得到
NaN，大概率是其中一列含大量缺失值或全为非数字（如字符串'N/A'）
corr() 默认只支持皮尔逊，但你可能需要斯皮尔曼或肯德尔
默认 method='pearson' 要求线性关系且对异常值敏感；若数据偏态、有离群点或只是排序相关，应换方法。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
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
- 斯皮尔曼（秩相关）：
df[['a','b']].corr(method='spearman') - 肯德尔：
df[['a','b']].corr(method='kendall') - 注意：
method参数不接受缩写，写'spear'会报ValueError: method must be 'pearson', 'spearman', or 'kendall' - 三者计算开销不同：皮尔逊最快，肯德尔最慢（尤其大数据量），斯皮尔曼居中
常见错误：列里混着字符串、布尔值或缺失值处理不当
corr() 遇到非数值类型会直接跳过整列（不报错），导致你以为“算出来了”，其实用了空数据；而 NaN 默认按 min_periods=1 处理，但若两列有效配对数不足，仍返回 NaN。
- 先清洗：
df[['a','b']] = df[['a','b']].apply(pd.to_numeric, errors='coerce') - 检查缺失情况：
df[['a','b']].isna().sum() - 控制最小有效对数：
df[['a','b']].corr(min_periods=10)（少于 10 对就填NaN） - 布尔列会被自动转成 0/1 参与计算，通常没问题，但需确认业务含义是否合理
真正容易被忽略的是：相关系数不等于因果，也不代表线性拟合效果好——即使 r = 0.9，散点图也可能是完美圆弧；算完务必可视化，别只盯数字。
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！
