计算特征向量中心性与壳指数的斯皮尔曼相关性时抛出NotANumberException，求实现返回0.0的解决方案

嘿，我看了你的问题和控制台输出，问题根源很明确：所有的特征向量中心性值都是0.01，导致归一化计算时出现除以零的情况，生成了NaN值，而Apache Commons Math的SpearmansCorrelation无法处理NaN，所以抛出了NotANumberException。

我们可以分两步来解决这个问题，既避免NaN的产生，又在数据无波动时返回0.0的相关性结果：

1. 修复归一化逻辑，避免除以零 #

在CentralitiesAnalyzer的insertValues方法中，当所有ys值（特征向量中心性）相同时，min和max会相等，此时(ys[i] - min)/(max - min)会得到NaN。我们需要先判断这种情况，直接将所有ys值设为0.0：

protected void insertValues() {
    double min = Arrays.stream(ys).min().getAsDouble();
    double max = Arrays.stream(ys).max().getAsDouble();

    // 处理所有特征向量中心性值相同的情况，避免除以零生成NaN
    if (Double.compare(min, max) == 0) {
        Arrays.fill(ys, 0.0);
    } else {
        for (int i = 0; i < vertices.length; i++) {
            ys[i] = (ys[i] - min) / (max - min);
        }
    }

    // 填充结果列表
    for (int i = 0; i < vertices.length; i++) {
        String id = vertices[i].getId();
        double x = xs[i];
        double y = ys[i];
        results.add(new Triple<>(id, x, y));
    }

    // 计算斯皮尔曼相关性
    SpearmansCorrelation sc = new SpearmansCorrelation();
    try {
        correlation = sc.correlation(xs, ys);
    } catch (NotANumberException | IllegalArgumentException e) {
        // 当数据无波动时（比如所有值相同），相关性为0.0
        correlation = 0.0;
    }
}

2. 提前检查数据波动，优雅避免异常 #

如果你不想依赖异常捕获，还可以提前检查xs（壳指数）或ys是否所有值都相同。如果任意一组数据无波动，斯皮尔曼相关性必然为0.0，直接赋值即可：

protected void insertValues() {
    double min = Arrays.stream(ys).min().getAsDouble();
    double max = Arrays.stream(ys).max().getAsDouble();

    // 处理归一化
    if (Double.compare(min, max) == 0) {
        Arrays.fill(ys, 0.0);
    } else {
        for (int i = 0; i < vertices.length; i++) {
            ys[i] = (ys[i] - min) / (max - min);
        }
    }

    // 填充结果列表
    for (int i = 0; i < vertices.length; i++) {
        String id = vertices[i].getId();
        double x = xs[i];
        double y = ys[i];
        results.add(new Triple<>(id, x, y));
    }

    // 提前检查数据是否有波动
    boolean xsAllSame = Arrays.stream(xs).allMatch(v -> Double.compare(v, xs[0]) == 0);
    boolean ysAllSame = Arrays.stream(ys).allMatch(v -> Double.compare(v, ys[0]) == 0);

    if (xsAllSame || ysAllSame) {
        correlation = 0.0;
    } else {
        SpearmansCorrelation sc = new SpearmansCorrelation();
        correlation = sc.correlation(xs, ys);
    }
}

为什么这样有效？ #

• 当所有特征向量中心性值相同时，归一化后的ys会被统一设为0.0，不会产生NaN。
• 斯皮尔曼相关性衡量的是两个变量的秩相关程度，如果其中一个变量所有值都相同，秩没有变化，相关性自然为0.0。

这样修改后，你的程序就不会再抛出异常，而是在数据无波动时返回0.0作为相关性结果，同时正常导出CSV文件。

备注：内容来源于stack exchange，提问作者IgorArnaut