Jupyter Notebook中df.corr()因字符串列无法计算数值相关性报错求助

问题原因 #

df.corr()默认计算Pearson相关系数，仅支持数值型数据，但部分pandas版本不会自动过滤非数值列，当DataFrame中存在字符串、分类等非数值类型列时，就会抛出ValueError: could not convert string to float错误。

解决方案 #

方法1：手动筛选数值型列

使用select_dtypes()方法先提取所有数值类型的列，再计算相关性：

import seaborn as sns
import pandas as pd

df = sns.load_dataset("tips")
# 筛选数值列
numeric_cols = df.select_dtypes(include=['number'])
# 计算相关矩阵
corr_matrix = numeric_cols.corr()
print(corr_matrix)

方法2：使用numeric_only参数（pandas 1.0.0+支持）

直接在corr()方法中指定numeric_only=True，让函数自动忽略非数值列：

import seaborn as sns
import pandas as pd

df = sns.load_dataset("tips")
corr_matrix = df.corr(numeric_only=True)
print(corr_matrix)

额外说明 #

如果需要分析分类变量与数值变量的相关性，可以先对分类变量做编码处理（比如独热编码），再计算全量相关性：

encoded_df = pd.get_dummies(df)
corr_matrix = encoded_df.corr()
print(corr_matrix)

内容的提问来源于stack exchange，提问作者Salin Sharma