Scipy与Pandas计算Spearman相关系数结果不一致问题

print(n1)
print(n2)
print(type(n1), type(n2))
print(scipy.stats.spearmanr(n1, n2))
print(n1.corr(n2, method="spearman"))

# 输出结果：
0    2317.0
1    2293.0
2    1190.0
3     972.0
4    1391.0
Name: r6000, dtype: float64
0.0    2317.0
1.0    2293.0
3.0    1190.0
4.0     972.0
5.0    1391.0
Name: 6000, dtype: float64
<class 'pandas.core.series.Series'> <class 'pandas.core.series.Series'>
SpearmanrResult(correlation=0.9999999999999999, pvalue=1.4042654220543672e-24)
0.7999999999999999

问题：使用Scipy的spearmanr方法与Pandas的corr方法（method="spearman"）计算两组Pandas Series的Spearman相关系数时，结果差异显著，求分析原因及解决方法。

核心差异来自数据匹配逻辑的不同：

• Pandas的corr方法会自动按索引对齐数据：两个Series只有0、1、3、4这4个共同索引，计算时只保留这些索引对应的元素。对应的数据是n1的[2317,2293,972,1391]和n2的[2317,2293,1190,972]，这组数据的Spearman相关系数约为0.8。
• Scipy的spearmanr完全忽略索引，直接按元素位置一一对应计算：把n1的5个元素和n2的5个元素按顺序配对，两组数据完全正相关，因此系数接近1。

根据你的需求选择对应方案：

1. 想和Pandas逻辑一致（按索引对齐计算）：
   先对两个Series做索引对齐，再用Scipy计算：

   aligned_n1, aligned_n2 = n1.align(n2, join='inner')
   scipy.stats.spearmanr(aligned_n1, aligned_n2)
   

2. 想和Scipy逻辑一致（按位置对应计算）：
   在Pandas中忽略索引，直接用元素值计算：

   # 方案1：重置索引后计算
   n1.corr(n2.reset_index(drop=True), method="spearman")
   # 方案2：直接使用底层数值数组
   pd.Series(n1.values).corr(pd.Series(n2.values), method="spearman")
   

内容的提问来源于stack exchange，提问作者Blaze