pandas的df.corr(method='spearman')仅识别sex列无法生成全特征相关矩阵求助

pandas的corr()方法默认仅会计算数值类型列的相关系数，出现仅返回sex列结果的核心原因是其余16列均为非数值类型，或包含大量无法识别为数值的异常内容，可按以下步骤处理：

第一步：确认各列数据类型 #

运行代码输出所有列的类型，排查非数值列：

print(df_normalized.dtypes)

如果除sex外的其余列显示为object/string类型，即可确认是数据类型问题。

第二步：排查列内异常值 #

预期为数值的列被识别为非数值，一般是存在空格、特殊字符、字符串格式的空值等异常内容，可运行代码定位异常：

# 替换为你要检查的列名，输出该列所有无法转换为数值的行
col_to_check = "目标列名"
invalid_rows = df_normalized[~df_normalized[col_to_check].apply(lambda x: str(x).replace('.','',1).isdigit())]
print(invalid_rows)

第三步：批量转换为数值类型 #

将所有需要计算相关性的列强制转换为数值类型，无法转换的内容会自动设为NaN：

import pandas as pd
# 批量转换所有列，不需要转换的列可手动过滤
for col in df_normalized.columns:
    df_normalized[col] = pd.to_numeric(df_normalized[col], errors='coerce')

第四步：重新计算相关系数 #

转换完成后再次运行计算代码即可得到完整的17×17相关矩阵：

spearman_corr_matrix = df_normalized.corr(method='spearman')
print(spearman_corr_matrix)

注意事项 #

• 如果转换后列的NaN占比超过30%，建议先通过填充、删除等方式处理缺失值再计算相关性，避免结果偏差
• 若sex列为分类字符串（如男/女），需要先做数值编码（如0/1映射）后再参与相关性计算

内容的提问来源于stack exchange，提问作者zakhanjani