Go Gonum Correlation 遇到零方差数据时怎样解释结果

我第一次把一批“没有波动”的指标送进 stat.Correlation 时，最容易误判的是把返回值当成普通的 0。正确解释是：只要 x 或 y 的有效方差为零，相关系数就没有定义；Gonum 没有返回 error 的位置，结果通常会表现为 NaN。这不是“两个指标没有关系”，而是“其中一个指标没有可供比较的变化”。

本文使用的官方包地址：https://pkg.go.dev/gonum.org/v1/gonum/stat

先检查样本长度、权重长度和有效方差，再调用 Correlation；如果分母为零，就保留“未定义”语义，不要为了报表好看强行改成 0 或 1。

为什么零方差不是“相关系数为 0”

Gonum 文档给出的加权相关形式是：中心化后的乘积之和，除以 stdX * stdY。例如 x = [5,5,5,5]，它的每个值都等于均值，所以 stdX = 0。即使 y 在变化，分母仍然是零，相关性无法按这个定义计算。

这和“相关系数为 0”是两件事：0 表示两个有波动的序列没有线性共同变化；零方差表示至少一边没有变化，比较条件本身不存在。调用方应把它当作数据状态，而不是算法故障。

先用最小示例识别 NaN

下面的例子故意让 x 成为常量序列。代码块中的输出是按公式推导出的预期结果，图片也只是静态说明图，不代表在某个编辑器或终端中截取的运行证据。

package main

import (
    "fmt"
    "math"

    "gonum.org/v1/gonum/stat"
)

func main() {
    // x 没有波动，y 有波动；因此相关系数的分母为零。
    x := []float64{5, 5, 5, 5}
    y := []float64{1, 2, 3, 4}
    corr := stat.Correlation(x, y, nil)

    // NaN 必须单独判断，不能用 corr == math.NaN()。
    if math.IsNaN(corr) {
        fmt.Println("correlation is undefined: zero variance")
        return
    }
    fmt.Printf("correlation=%.4f\\n", corr)
}

correlation is undefined: zero variance

nil 权重代表每个样本按 1 处理。若 x 与 y 长度不同，Gonum 会因为输入契约不成立而 panic；这类问题和零方差不是同一个分支，应该先单独报错。

把零方差挡在业务边界外

在报表、特征计算或批处理里，我更愿意在库调用前做一次轻量 guard。下面同时处理样本长度、权重长度和相对尺度下的有效方差；这样既能识别完全相同的值，也能避免极小波动在业务阈值下被误当成稳定信号。

package main

import (
    "errors"
    "fmt"
    "math"

    "gonum.org/v1/gonum/stat"
)

var errUndefinedCorrelation = errors.New("correlation is undefined: zero variance")

func safeCorrelation(x, y, weights []float64) (float64, error) {
    // 先挡住会触发 Gonum slice length panic 的输入。
    if len(x) != len(y) || len(x) == 0 {
        return 0, errors.New("x and y must have the same non-zero length")
    }
    if weights != nil && len(weights) != len(x) {
        return 0, errors.New("weights must match x and y length")
    }

    // 用相对阈值判断有效方差，避免把量纲很大的微小噪声当成变化。
    if zeroVariance(x, weights) || zeroVariance(y, weights) {
        return 0, errUndefinedCorrelation
    }
    corr := stat.Correlation(x, y, weights)
    if math.IsNaN(corr) || math.IsInf(corr, 0) {
        return 0, errUndefinedCorrelation
    }
    return corr, nil
}

func zeroVariance(values, weights []float64) bool {
    mean := stat.Mean(values, weights)
    var spread, scale float64
    for i, value := range values {
        weight := 1.0
        if weights != nil {
            weight = weights[i]
        }
        delta := value - mean
        spread += weight * delta * delta
        scale += weight * value * value
    }
    // scale 至少取 1，保证接近 0 的数据也有稳定阈值。
    return spread 

这段 guard 的阈值是业务选择，不是 Gonum 的内置参数。对传感器、金额或模型特征，应根据数据精度和量纲调整；如果权重可能为负，还要先按业务规则拒绝，因为“有效方差”的解释会改变。

结果应该怎样落到报表和模型

遇到未定义相关性时，不建议统一填 0。报表可以保留空值并附“样本无变化”的状态；推荐系统或特征工程可以跳过该特征，并记录批次号、有效样本数和被跳过原因；如果业务确实只关心单列是否变化，则改用方差、标准差或 min/max 范围，而不是继续解释相关系数。

常见问题

为什么不能把 NaN 直接替换成 0？

因为 0 会伪装成“没有线性关系”，而真实原因是至少一列没有变化。两者在筛选特征、告警和报表统计中的含义不同。

只有一列是常量也会出现这个问题吗？

会。相关系数的分母包含两列标准差，只要任意一列为零，结果就没有定义。先检查两列，再检查权重后的有效方差即可。