为何执行指定np.corrcoef代码输出NaN？如何解决该问题？

首先，咱们来拆解你遇到的问题：你运行的代码是：

import numpy as np
print(np.corrcoef([0.594, 0.405],[0.5, 0.5]))

得到的输出是NaN，你猜的没错，核心原因就是其中一组数据的方差为0。

具体原因解释 #

皮尔逊相关系数的计算公式里，分母是两个变量的标准差的乘积。当其中一个变量的所有值都相同（比如你的第二个数组[0.5, 0.5]），它的方差就是0，标准差自然也是0。分母变成0，除法运算就会得到NaN——毕竟数学里除以0是没有定义的。

你可以自己验证一下第二个数组的方差：

print(np.var([0.5, 0.5]))  # 输出0.0

解决办法 #

根据你的使用场景，有几种不同的处理方式：

• 提前过滤方差为0的变量：在计算相关系数之前，先检查每个数组的方差，如果方差为0，就跳过这个变量的相关系数计算，或者直接标记为无意义（比如用None或者特定值代替NaN）。示例代码：

  arr1 = np.array([0.594, 0.405])
  arr2 = np.array([0.5, 0.5])
  
  def safe_corrcoef(a, b):
      if np.isclose(np.var(a), 0) or np.isclose(np.var(b), 0):
          return None  # 或者返回0/其他你认为合适的业务值
      return np.corrcoef(a, b)[0,1]
  
  print(safe_corrcoef(arr1, arr2))
  

  这里用np.isclose代替直接等于0，是为了避免浮点数精度问题导致的误判。

• 添加微小噪声（谨慎使用）：如果你的业务场景必须得到一个数值结果，可以给方差为0的数组添加极小的随机噪声，让它产生微小的方差。注意这种方法会引入人为误差，只适合对精度要求不高的场景：

  arr2_noisy = arr2 + np.random.normal(0, 1e-8, size=arr2.shape)
  print(np.corrcoef(arr1, arr2_noisy))
  

• 业务层面定义特殊值：如果方差为0的变量在你的业务逻辑里代表某种固定状态，你可以直接定义这种情况下的相关系数为0（因为固定值和其他变量没有线性相关性），或者根据业务规则返回特定标记。

内容的提问来源于stack exchange，提问作者user13567869