我正在使用R在非常大的数据矩阵上运行相关，其大小尺寸为10,000 x 15,000（事件x样本）。该数据集包含范围为-15：15，NA，NaN，inf和-inf的浮点值。为了简化问题，我选择一次使用两行矩阵，称之为vector1，vector2。命令如下：
CorrelationSpearman = cor(vector1,vector2, method="spearman",use="pairwise.complete.obs")
CorrelationPearson = cor(vector1,vector2,method="pearson",use="pairwise.complete.obs")
对于矩阵中的大多数但不是所有行向量，我得到CorrelationPearson = NA。 CorrelationSpearman值似乎没有问题。我已经检查过矩阵尺寸是否正确，并且我已经对较小的数据运行测试，这些数据工作正常。出现这种情况的可能原因是什么？
答案 0 :(得分：1)
Pearson correlation coefficient依赖于估算均值和（共）方差。 无限的值导致无限的手段和无限的方差，这会破坏计算。 Spearman和Kendall相关系数是基于排名的，因此可以使用无限值处理排序（但请注意样本中的绑定值！）。
尝试：
> lix <- is.infinite(vector1) | is.infinite(vector2)
> cor(vector1[!lix], vector2[!lix], method = "pearson", use = "pairwise.complete.obs")
这只会删除任何具有无限值的对。 更常见的是，这样的函数很有用：
> inf2NA <- function(x) { x[is.infinite(x)] <- NA; x }
> cor(inf2NA(vector1), inf2NA(vector2), ...)
只是将无限值转换为NA，然后您的use参数可以根据需要处理这些NA情况。