Pandas中int64列调用.corr()返回重复相关系数是Bug吗？

• 代码存在基础语法错误：你定义待转换列列表时，'L'和'GB'之间遗漏了逗号，Python会自动将相邻的字符串字面量拼接为'LGB'，导致L列实际未被纳入转换范围，对比两次相关系数结果可以发现，L列的系数和转换前完全一致，就是该问题导致的。
• 类型转换逻辑存在致命缺陷：numpy的int64类型不支持存储缺失值NaN，你要转换的原float64列普遍存在缺失值，且GB列为object类型，包含非数值内容，直接调用.values.astype(np.int64)强转时，会将NaN、非数值内容强制转换为无意义的垃圾整数值，直接破坏原始列的数据分布，这就是所有被转换列的相关系数出现重复异常值的根本原因。

根据你的需求（仅提升数据可读性），有两种可选方案：

1. 无需修改原始存储类型，仅调整显示格式（最推荐，完全不会破坏数据）
   不需要对列做类型转换，只要设置pandas全局显示规则，让无小数位的浮点数以整数样式展示即可：

   import pandas as pd
   # 自定义浮点数显示格式：整数型浮点数不显示小数位，其余保留3位小数
   pd.set_option('display.float_format', lambda x: f'{x:.0f}' if pd.notna(x) and x.is_integer() else f'{x:.3f}')
   

2. 确需转换为整数类型时，使用pandas可空整数类型
   不要使用numpy的np.int64，改用pandas自带的Int64（首字母大写）类型，该类型支持存储缺失值，同时需要先对object类型的列做数值转换，避免非数值内容报错：

   import pandas as pd
   import numpy as np
   # 先修正列表的逗号错误
   convert_col = ['Age', 'Team Rank', 'W', 'L', 'GB']
   for col in df_final.columns:
       if ('TOT' in col) or (col in convert_col):
           # 先将列统一转为数值，非数值内容转为NaN，再转可空整数类型
           df_final[col] = pd.to_numeric(df_final[col], errors='coerce').astype('Int64')
   # 计算相关系数时，pandas会自动忽略可空整数类型的缺失值，结果和float64类型下一致
   print(df_final.corr()['Share'])
   

内容的提问来源于stack exchange，提问作者maxipaddy