计算Pandas DataFrame列间相关性时出现TypeError报错如何解决

这个TypeError和while循环的写法没有关系，触发原因是Pandas的.corr()默认计算皮尔逊相关系数，过程中需要执行数值除法运算，但你传入计算的列里混有字符串类型的值，字符串和整数无法做算术运算，因此抛出异常。
常见的诱因有两个：

• 数据读取环节出问题，部分列被识别为object/string类型，列里混入了文本内容（比如缺失值被填成了'--'、'null'这类字符串，而不是标准空值）
• 固定列mean(f19)-PR本身就不是纯数值类型

额外提一句：你贴的代码里如果没有提前把feature_list初始化为空列表，运行时会先触发NameError，但这不是你当前碰到的类型错误的原因。

先执行以下代码确认所有参与计算的列的数据类型，定位存在类型问题的列：

# 检查固定目标列的类型
print("目标列类型：", df['mean(f19)-PR'].dtype)

# 遍历检查所有待计算列的类型
for i in range(1, 51):
    col_name = f'mean(f{i})-PR'
    print(f"{col_name} 类型：{df[col_name].dtype}")

如果输出中存在object、string类型，就说明对应列存在非数值内容，需要先做清洗。

首先对参与计算的列做数值类型转换，将无法解析的脏数据统一转为空值（.corr()计算时会自动忽略空值），再执行相关性计算。可以直接用range遍历替代while循环，逻辑更简洁：

import pandas as pd

# 提前初始化存储容器
feature_list = []
corr_value_list = []
target_col = 'mean(f19)-PR'

# 转换目标列为数值类型，非法值转为NaN
df[target_col] = pd.to_numeric(df[target_col], errors='coerce')

for i in range(1, 51):
    current_col = f'mean(f{i})-PR'
    # 跳过目标列和自身的相关性计算
    if current_col == target_col:
        continue
    feature_list.append(current_col)
    # 转换当前列为数值类型
    df[current_col] = pd.to_numeric(df[current_col], errors='coerce')
    # 计算相关系数
    corr_val = df[target_col].corr(df[current_col])
    corr_value_list.append(corr_val)

# 可直接整理为特征-相关系数对照表
corr_result = pd.DataFrame({
    "feature_name": feature_list,
    "corr_with_f19": corr_value_list
})

如果需要更简洁的批量实现，可以直接调用DataFrame内置的全量相关系数计算接口，直接提取目标列的结果即可：

# 生成所有需要参与计算的列名列表
all_calc_cols = [f'mean(f{i})-PR' for i in range(1, 51)]
# 批量转换为数值类型
df[all_calc_cols] = df[all_calc_cols].apply(pd.to_numeric, errors='coerce')
# 一次性计算所有列的相关性，提取目标列对应结果，排除自身
corr_result = df[all_calc_cols].corr()[target_col].drop(target_col)

内容的提问来源于stack exchange，提问作者Sankalp Bhatia