如何在Pandas中传入指定列计算Pearson相关系数及代码报错排查

核心错误 #

你的代码报错的直接原因是错误使用numpy数组的索引方式访问pandas DataFrame的列：a[:,0]和a[:,1]是numpy数组的切片写法，不适用于DataFrame，会触发类型不匹配错误。

修正步骤 #

1. 替换错误的列索引方式：
   • 可以用.iloc[:,0]/.iloc[:,1]按位置取列，或者更直观地直接用列名（如a['HAD_CPOX']）获取数据。
2. 移除不必要的排序操作：计算Pearson相关系数不需要对索引排序，a.sort_index(inplace=True)可以删除。

修正后的代码 #

import pandas as pd
from scipy import stats

# 读取指定列并移除含NaN的行
df = pd.read_csv('NISPUF17.csv', usecols=['HAD_CPOX', 'P_NUMVRC']).dropna()
# 过滤HAD_CPOX不等于77的行
df = df.query('HAD_CPOX != 77')

def calculate_pearson_corr():
    # 直接通过列名获取数据传入计算函数
    corr_result = stats.pearsonr(df['HAD_CPOX'], df['P_NUMVRC'])
    return corr_result

print(calculate_pearson_corr())

补充说明 #

• stats.pearsonr返回的是包含相关系数和p值的元组，这是该函数的正常返回格式，不属于类型错误。
• 你做的dropna+过滤77的清洗步骤已经处理了缺失值，这部分逻辑是有效的。

内容的提问来源于stack exchange，提问作者Vani