CORR函数计算两数值列的皮尔逊相关系数，仅接受double precision类型输入，需确保至少2对非空值且变量标准差非零；常与REGR系列函数联用，但不适用于非线性或非数值关系分析。
CORR函数的基本用法和数据类型要求
CORR 是 PostgreSQL 内置的聚合函数，用于计算两个数值列之间的皮尔逊相关系数（Pearson correlation coefficient），结果范围在 -1 到 1 之间。它**只接受 double precision 类型输入**，如果传入整数或 numeric，PostgreSQL 会尝试隐式转换，但某些场景下会失败——比如当列是 numeric(p,s) 且精度较高时，可能报错 function corr(numeric, numeric) does not exist。
实操建议：
- 显式将参数转为
double precision：用col1::double precision和col2::double precision - 确保两列都非空（
CORR自动忽略任一值为NULL的行，但若所有行至少有一个NULL，结果返回NULL） - 避免在
WHERE条件中过滤掉过多数据，否则样本量过小会导致系数不稳定甚至无意义
常见错误：NULL 值处理与分组误用
典型现象是执行 SELECT CORR(x, y) FROM t; 返回 NULL，但表里明明有数据。这往往是因为：x 或 y 中存在大量 NULL，或者两列在每一行上“同时非空”的记录数少于 2 行（CORR 至少需要 2 对完整数值才能计算）。
另一个易踩的坑是误加 GROUP BY 却没理解其影响：例如 SELECT dept, CORR(salary, years) FROM emp GROUP BY dept; 看似合理，但如果某部门只有 1 名员工，该组的 CORR 结果就是 NULL；更隐蔽的是，若某部门所有 years 值相同（标准差为 0），也会因分母为 0 导致结果为 NULL（PostgreSQL 不报错，只返回 NULL）。
验证建议：
- 先查有效配对数：
SELECT COUNT(*) FROM t WHERE x IS NOT NULL AND y IS NOT NULL; - 检查单变量离散程度：
SELECT MIN(y), MAX(y), COUNT(DISTINCT y) FROM t WHERE x IS NOT NULL AND y IS NOT NULL; - 若需排除常量组，可在
HAVING中加条件：HAVING STDDEV(y) > 0 AND STDDEV(x) > 0
和其它统计函数配合使用更实用
单独一个 CORR 数值解释性有限，实际分析中常和 REGR_SLOPE、REGR_INTERCEPT、REGR_R2 一起用，构成线性回归摘要。它们共享同一套底层计算逻辑，因此组合调用不会额外增加开销。
例如一次性获取斜率、截距、R² 和相关系数：
SELECT REGR_SLOPE(y, x) AS slope, REGR_INTERCEPT(y, x) AS intercept, REGR_R2(y, x) AS r_squared, CORR(y, x) AS corr_coef FROM data;
注意参数顺序：CORR(y, x) 和 CORR(x, y) 结果相同（对称），但 REGR_SLOPE(y, x) 表示 y 对 x 回归的斜率，顺序不能颠倒。
性能提示：
- 这些函数都基于单次扫描完成，无需子查询或 CTE 重复读表
- 若表很大且只关心某条件下的相关性，务必用
WHERE先过滤，而不是靠外层FILTER (WHERE ...)—— 后者仍会扫描全表
替代方案：当 CORR 不适用时怎么办
如果变量不是数值型（如想算类别变量与数值变量的关系），CORR 直接报错；如果想算秩相关（Spearman），PostgreSQL 原生不支持，得手动实现或借助扩展。
可行路径：
- 对类别变量做编码（如
rank() OVER (ORDER BY category)）再喂给CORR，但仅适用于有序类别 - 用
PERCENT_RANK()+CORR近似 Spearman（需两列都转秩） - 安装
tablefunc扩展后使用crosstab配合卡方检验，更适合分类关联分析 - 导出数据到 Python/R 做更灵活的相关性建模（尤其涉及缺失插补、非线性变换时）
最常被忽略的一点：CORR 只度量线性关系强度，即使结果接近 0，两变量也可能存在强非线性依赖（比如抛物线关系）。画个散点图永远比只看一个数字靠谱。
