我有两个这样的数据框：
preds_df = pd.DataFrame.from_records ([[ 0.8224], [ 0.7982]])
tgts_df = pd.DataFrame.from_records ([[0.8889], [1.0000]])
，并希望计算跨列和跨行的spearman等级相关值：
col_wise = preds_df.corrwith(tgts_df,method='spearman',axis=0).values.tolist()
row_wise = preds_df.corrwith(tgts_df,method='spearman',axis=1).values.tolist()
打印这些值将给出：
print(col_wise)
[-0.9999999999999999]
print(row_wise)
[nan, nan]
问题1： col_wise产生了一些结果，但是row_wise对每一行产生nan的结果是给定的，因为每一行仅包含一列，并且获得的值col_wise不是nan吗？
如果我进一步扩展这些数据集（保留原始列，但再添加两列），这样
preds_df = pd.DataFrame.from_records ([[0.8224, 0.5371, 0.1009], [0.7982, 0.5890, 0.0962]])
tgts_df = pd.DataFrame.from_records ([[0.8889, 0.5556, 0.0000], [1.0000, 0.7778, 0.0000]])
获得的值是：
col_wise = preds_df.corrwith(tgts_df,method='spearman',axis=0).values.tolist()
print(col_wise)
[-0.9999999999999999, 0.9999999999999999, nan]
row_wise = preds_df.corrwith(tgts_df,method='spearman',axis=1).values.tolist()
print(row_wise)
[1.0, 1.0]
问题2：尽管构成每一行的一列（第三列）产生了row_wise，但nan为什么不包含nan在col_wise中？
问题3：通常，为什么会获得nan值？我的输入数据帧中都有实数。
答案 0 :(得分：1)
问题1：
请注意，当您要逐行计算Spearman相关系数时，您会从两个帧（0.8224, 0.8889）中得到两个单元素样本，它们与系数列表中的第一个元素和（0.7982,1.0000）相对应对应于另一个。现在来看formula的系数。因为您在两个样本中都有一个观测值，所以分母等于零，这就是为什么获得NaN值的原因。
问题2和3：
上面的问题不适用于您的第二个示例，但是您在0.0的最后一列中观察到的值（tgts_df）相同，这导致所谓的并列秩（请参阅{{3} }。通常，在三种情况下要获取NaN值：
1。。您的样本中每个组中只有一个元素。
2。。数据中存在联系（观测值相同）。
3。。两个数据框对象的形状不同。
如果您还有其他问题/疑问，请随时在more here上提问。