使用df.corr()计算数据集相关性异常：Jupyter显(_)、Spyder显NaN

可能原因 #

• 数据集中存在非数值类型列，或数值列被误识别为字符串类型
• 部分列缺失值过多，导致相关性计算无法正常进行
• 存在方差为0的列（所有值相同），这类列无法计算有效相关性

解决步骤 #

1. 检查数据基础信息 #

先确认数据结构、缺失值和数值特征的分布：

import pandas as pd

df = pd.read_csv("Admission_data.csv")
# 查看各列数据类型和非空值数量
print(df.info())
# 统计各列缺失值数量
print(df.isnull().sum())
# 查看数值列的统计描述（确认是否有方差为0的列）
print(df.describe())

2. 修复数值列格式错误 #

如果发现存在object类型的数值列，尝试强制转换为数值类型（无法转换的会设为NaN）：

for col in df.columns:
    try:
        df[col] = pd.to_numeric(df[col], errors='coerce')
    except Exception:
        continue

3. 处理缺失值 #

根据缺失值情况选择填充或删除：

# 用数值列的均值填充缺失值
df = df.fillna(df.mean(numeric_only=True))
# 若某列缺失值占比过高，直接删除（示例：缺失值超过50%）
df = df.drop(df.columns[df.isnull().sum()/len(df) > 0.5], axis=1)

4. 删除方差为0的列 #

这类列所有值相同，无法计算有效相关性：

# 筛选出方差大于0的数值列
valid_cols = df.columns[df.var(numeric_only=True) > 0]
df = df[valid_cols]

5. 重新计算相关性 #

完成上述处理后，重新运行相关性计算：

correlations = df.corr(numeric_only=True)
print(correlations)

内容的提问来源于stack exchange，提问作者Seyfulla Mammadov