R cor（），method="；皮尔逊"；返回NA，但方法="；“斯皮尔曼”；返回值。为什么？

我使用R在一个非常大的数据矩阵上运行关联，该矩阵的维数约为10000 x 15000（事件x样本）。此数据集包含范围为-15:15、NA、NaN、inf和-inf的浮点值。为了简化问题，我选择一次处理矩阵的两行，将它们称为vector1、vector2。命令写在下面：

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，我得到了CorrelationPearson=NA。皮尔曼值的相关性似乎没有问题。我已经检查了矩阵维度是否正确，并且对较小的数据进行了测试，测试结果良好。发生这种情况的一些可能原因是什么？

依赖于估计均值和（co）方差。 无穷大的值会导致无穷大的均值和无穷大的方差，从而破坏计算。 而且相关系数是基于等级的，因此可以很好地处理无限值的排序（但要注意样本中的绑定值！）

尝试：

>lix cor（vector1[！lix]，vector2[！lix]，method=“pearson”，use=“pairwise.complete.obs”）

这只会取出任何具有无限值的对。 一般来说，这样的函数很有帮助：

> inf2NA <- function(x) { x[is.infinite(x)] <- NA; x }
> cor(inf2NA(vector1), inf2NA(vector2), ...)

---

>inf2NA
Inf
将导致
Pearson's
出现问题。检查cor（c（1:3，Inf），1:4，method=“pearson”）；cor（c（1:3，Inf），1:4，method=“spearman”）

。我假设斯皮尔曼的是可以的，因为可以对Inf进行排名

> inf2NA <- function(x) { x[is.infinite(x)] <- NA; x }
> cor(inf2NA(vector1), inf2NA(vector2), ...)