如何在包含NaN值的Pandas DataFrame中计算相关性？

当然可以！你提到的DataFrame.corr()默认会在计算两两列的相关性时，忽略那些对应位置包含NaN的样本对，但它并不会直接移除整个列——可能是你误解了它的行为~ 下面给你几种实用的处理方式，让你不用丢掉带NaN的列也能算出相关性：

1. 调整缺失值处理规则（Pandas 1.1.0+） #

从Pandas 1.1.0版本开始，corr()新增了dropna参数，默认值是'any'（只要一对样本里有一个NaN就跳过）。如果你想放宽规则，只有当某对样本的两个值全是NaN时才忽略，可以设置dropna='all'：

import pandas as pd
import numpy as np

# 构造带NaN的测试数据
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4, 5],
    'B': [2, np.nan, 3, 4, 5],
    'C': [np.nan, 2, 3, 4, 5]
})

# 用宽松的缺失值规则计算相关性
corr_matrix = df.corr(dropna='all')
print(corr_matrix)

2. 理解默认的Pairwise删除逻辑 #

其实corr()默认的行为是成对删除缺失值：计算列A和列B的相关性时，只排除这两列对应行都有NaN的样本，其他行只要有一个有效值就会被用上。也就是说，默认情况下没有列会被移除，只是不同列对的有效样本数可能不一样。

3. 填充缺失值后计算 #

如果希望用所有样本参与计算，你可以先对NaN值做填充处理，比如用列的均值、中位数，或者其他业务逻辑的填充值，再计算相关性：

# 用列均值填充NaN
df_filled_mean = df.fillna(df.mean())
corr_mean = df_filled_mean.corr()

# 用列中位数填充NaN
df_filled_median = df.fillna(df.median())
corr_median = df_filled_median.corr()

4. 非参数相关系数的NaN处理 #

如果你的数据适合用非线性相关分析（比如Spearman或Kendall系数），这些方法同样支持自动忽略NaN样本对，直接调用即可：

# 计算Spearman秩相关系数
corr_spearman = df.corr(method='spearman')

# 计算Kendall tau相关系数
corr_kendall = df.corr(method='kendall')

内容的提问来源于stack exchange，提问作者Xalion