pandas的corr()方法计算相关系数时是否会自动执行数据归一化？

你观察到的「StandardScaler归一化前后相关系数完全相等」的现象不是巧合，pandas计算皮尔逊相关系数的过程，本身就内嵌了等效的归一化逻辑，不需要手动提前做归一化。

背后的原理说明 #

• 从统计特性上看，皮尔逊相关系数本身具备尺度不变、位置不变的核心属性：无论你对变量做任意线性平移（给所有值加减一个固定常数）、还是任意正的线性缩放（给所有值乘除一个正的固定常数），最终计算得到的皮尔逊相关系数值不会发生任何变化。
• StandardScaler实现的标准化操作，本质就是最典型的线性变换：对每一列数据做(列内元素 - 列均值) / 列标准差，这个操作完全落在皮尔逊系数的“尺度不敏感”范畴内，因此无论你是否提前做标准化，最终算出来的相关系数都不会有差异。
• 这种结果一致性和工具无关：哪怕你用Excel、numpy手写皮尔逊公式计算相关系数，和提前用StandardScaler标准化后再计算的结果也完全相等，本质是皮尔逊系数的固有数学特性，不是pandas独有的内部处理逻辑。
• pandas默认计算皮尔逊相关系数的实现逻辑，是严格遵循官方公式的：
  1. 计算两列的协方差：本质是两列各自减去自身均值后，对应元素乘积的平均值
  2. 计算两列各自的标准差：本质是列内元素减去自身均值后，平方平均值的平方根
  3. 最终相关系数 = 协方差 / (两列标准差的乘积)
     整个计算流程从数学上等价于“先对两列做标准化，再计算标准化后两列的乘积均值”，相当于在计算内部就完成了归一化步骤，完全不需要外部提前做数据处理。

常见认知误区澄清 #

很多资料提到“计算相关系数前需要先做归一化”，这个表述对皮尔逊相关系数并不适用：真正需要提前手动归一化的场景，是使用对数据尺度敏感的方法（比如基于距离的聚类、K近邻分类/回归、梯度下降类模型），这类方法的计算结果会被特征的尺度直接影响，必须提前做标准化；但皮尔逊相关系数的计算逻辑已经内置了等效的归一化步骤，提前做和不做的结果完全一致。

内容的提问来源于stack exchange，提问作者YounghunJo