Pearson相关分析返回NA值：问题原因排查请求

问题描述 #

执行Pearson相关分析时返回NA值，使用的代码：

correlation <- cor(df$var1, df$var2, method = 'pearson')

数据集包含var1和var2两个变量，存在多个NA值，且数据结构为rowwise_df。

原因分析 #

• 缺失值（NA）的影响：cor()函数默认参数use="everything"，只要输入向量中存在NA，就会直接返回NA。你的数据里var1和var2都包含多个NA（比如第18、25、42、50行等），这是结果为NA的核心原因之一。
• 行分组结构的干扰：数据是rowwise_df（按行分组的数据框），这种结构下直接提取列向量（df$var1）可能保留分组属性，干扰相关系数的计算逻辑，引发异常结果。

解决办法 #

1. 处理缺失值 #

在cor()函数中指定缺失值处理方式，常用方案是仅使用无缺失值的完整行计算：

# 基于完整行计算相关系数
correlation <- cor(df$var1, df$var2, method = 'pearson', use = "complete.obs")

也可以先手动清理缺失值再计算：

# 移除包含NA的行
df_clean <- df %>% drop_na(var1, var2)
# 计算清理后数据的相关系数
correlation <- cor(df_clean$var1, df_clean$var2, method = 'pearson')

2. 取消行分组 #

先将rowwise_df转换为普通数据框结构，避免分组干扰：

# 取消行分组
df <- df %>% ungroup()
# 结合缺失值处理计算相关系数
correlation <- cor(df$var1, df$var2, method = 'pearson', use = "complete.obs")

内容的提问来源于stack exchange，提问作者Espejito