使用numpy.corrcoef计算DataFrame相关性时遇类型不支持错误求助

你遇到的unsupported operand type(s) for +: 'float' and 'str'错误，核心原因是合并后的df_col里存在字符串类型的列，而numpy的corrcoef只能处理纯数值型数据，当它尝试对字符串和数值做运算时就会抛出这个错误。

先看你代码里的几个小问题：

• pd.read_csv()本身返回的就是DataFrame，不需要再用pd.DataFrame()重新包装，这一步完全多余；
• 合并后没有做任何数据清洗和类型检查，直接就丢给numpy计算，很容易踩类型的坑。

下面是具体的解决步骤和修改后的代码：

1. 先排查问题：检查数据类型 #

首先要确认哪些列是字符串（object类型）：

print(df_col.dtypes)

输出里标为object的列就是可疑的字符串列，可能是包含文本描述、用字符串表示的缺失值（比如'NA'、'-'）或者格式错误的数值。

2. 清洗数据：处理非数值列和缺失值 #

方案一：直接保留数值型列 #

如果某些字符串列是无关的（比如备注、名称类），可以直接筛选出所有数值列：

# 只保留整数和浮点数类型的列
numeric_df = df_col.select_dtypes(include=['int64', 'float64'])

方案二：修复字符串格式的缺失值 #

如果字符串列其实是数值，但用了特殊字符表示缺失，先把这些字符替换成numpy的NaN，再处理缺失值：

# 替换常见的字符串缺失值为NaN
df_col = df_col.replace(['NA', '--', ' ', 'nan'], np.nan)
# 筛选数值列
numeric_df = df_col.select_dtypes(include=['int64', 'float64'])
# 填充缺失值（用均值，也可以用中位数或者直接删除含缺失值的行）
numeric_df = numeric_df.fillna(numeric_df.mean())

3. 计算相关性：选更适配的工具 #

其实pandas本身就提供了专门针对DataFrame的相关性计算方法corr()，比numpy的corrcoef更友好，它会自动忽略非数值列（处理好缺失值后）：

# pandas内置的相关性矩阵计算
corr_matrix = numeric_df.corr()
print(corr_matrix)

如果一定要用numpy的corrcoef，需要注意：它默认按行计算相关性，而我们的DataFrame是列代表变量，所以需要转置后再传入：

# numpy计算相关性，记得转置数据
np_corr = np.corrcoef(numeric_df.T)
print(np_corr)

修改后的完整代码 #

import pandas as pd
import numpy as np

# 读取数据（无需额外转成DataFrame）
usd = pd.read_csv("data_usd.csv")
emas = pd.read_csv("emas_.csv")
minyak = pd.read_csv("minyak_brent.csv")
sawit = pd.read_csv("sawit.csv")
kcl = pd.read_csv("kcl.csv")
fosfat = pd.read_csv("fosfat.csv")

# 合并数据并设置索引
df_col = pd.concat([usd, emas, minyak, sawit, kcl, fosfat], axis=1)
df_col = df_col.set_index('month')

# 检查数据类型，排查字符串列
print("各列数据类型：")
print(df_col.dtypes)

# 数据清洗
df_col = df_col.replace(['NA', '--', ''], np.nan)
numeric_df = df_col.select_dtypes(include=['int64', 'float64'])
numeric_df = numeric_df.fillna(numeric_df.mean())

# 用pandas计算相关性（推荐）
print("\nPandas相关性矩阵：")
print(numeric_df.corr())

# 用numpy计算相关性
print("\nNumpy相关性矩阵：")
print(np.corrcoef(numeric_df.T))

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