如何计算行数不同的列之间的相关系数？

当两个序列长度不同时，直接计算相关系数没有统计意义——因为皮尔逊等常用相关系数的计算基础是对应位置的成对观测数据。你需要先对齐两个序列的长度，再进行计算，常见的处理方式有两种：

1. 截断较长序列 #

把较长的序列截断到和短序列相同的长度，前提是你能确认截断的部分和短序列是同场景/同时间维度的对应观测。

比如你的示例数据：

• a1 = [1,2,3,4,5]（长度5）
• a2 = [2,3,5,6]（长度4）

可以把a1截断为前4个元素[1,2,3,4]，再和a2计算相关系数：

from scipy.stats import pearsonr

a1 = [1,2,3,4,5]
a2 = [2,3,5,6]
# 截断较长序列至短序列长度
truncated_a1 = a1[:len(a2)]
corr, p_value = pearsonr(truncated_a1, a2)
print(f"皮尔逊相关系数: {corr:.4f}")

2. 补全较短序列 #

给较短的序列补充合理的数值，让两个序列长度一致。填充值的选择要贴合数据特性：

• 数值型数据可以用均值、中位数填充；
• 时间序列可以用线性插值、前后值填充；
• 有业务逻辑的场景要按业务规则填充。

还是用你的示例，用a2的均值填充补全：

import numpy as np
from scipy.stats import pearsonr

a1 = [1,2,3,4,5]
a2 = [2,3,5,6]
# 用均值填充短序列至长序列长度
a2_extended = np.pad(a2, (0, len(a1)-len(a2)), mode='mean')
corr, p_value = pearsonr(a1, a2_extended)
print(f"皮尔逊相关系数: {corr:.4f}")

特殊场景：不同采样频率的序列 #

如果两个序列是不同采样频率的时间序列（比如一个是日数据，一个是周数据），更合理的做法是先做重采样对齐：把高频数据聚合为低频数据（比如日数据按周求和/均值），或者把低频数据插值为高频数据，再计算相关系数。

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