PostgreSQL 自9.4起内置corr()函数，是计算皮尔逊相关系数的双参数聚合函数，需配合GROUP BY或窗口使用，且要求输入为double precision类型，自动忽略NULL值对，分母为零时返回NULL。
PostgreSQL 里没有 corr() 函数？先确认版本和用法
PostgreSQL 自 9.4 起就内置了 corr() 函数，但很多人查不到，是因为它属于“聚合函数中的双参数统计函数”，必须配合 GROUP BY 或窗口用法，且**只接受数值类型（double precision）**。如果你执行 SELECT corr(x, y) 报错 “function corr does not exist”，大概率是字段类型不对或用了整数型列。
实操建议：
- 用
SELECT pg_typeof(x), pg_typeof(y) FROM your_table LIMIT 1检查字段类型；如果不是double precision，强制转换：corr(x::double precision, y::double precision) - 不能对空值对直接计算——
corr()会自动跳过任一为NULL的 (x, y) 对，但若整列全空或只剩一对有效值，结果返回NULL - 该函数计算的是皮尔逊相关系数（Pearson），公式为
covar_pop(x,y) / (stddev_pop(x) * stddev_pop(y))，所以也要求两列标准差都不为零（即不能是常量列）
怎么写一个带分组的 corr() 查询
典型场景：按地区、月份、用户等级等维度分别算两个指标（比如销售额 vs 客服通话时长）的相关性。这时必须用 GROUP BY，且注意聚合粒度要一致。
示例（假设表 sales_log 有字段 region, revenue, support_minutes）：
SELECT region, corr(revenue::double precision, support_minutes::double precision) AS r FROM sales_log GROUP BY region HAVING COUNT(*) >= 20; -- 至少 20 对有效数据才信任相关系数
关键点：
-
HAVING COUNT(*) >= N很重要——样本太小会导致corr()数值不稳定，甚至符号失真 - 别在
WHERE里过滤掉大量数据后再聚合，否则可能让某些分组只剩 1~2 行，corr()返回NULL却不报错 - 如果想排除异常值影响，可先用
PERCENTILE_CONT截断，但注意：截断必须在聚合前做（用 CTE 或子查询），不能在corr()内部处理
为什么 corr() 返回 NaN 或报错 “division by zero”
这不是 PostgreSQL 的 bug，而是数学定义使然：当 stddev_pop(x) 或 stddev_pop(y) 为 0（即某列在当前分组内所有值完全相同），分母为零，结果未定义。PostgreSQL 会返回 NULL，但某些客户端（如 DBeaver）可能显示为 NaN 或触发警告。
安全做法：
- 加条件过滤掉常量列分组：
HAVING stddev_pop(x) > 0 AND stddev_pop(y) > 0 - 或用
NULLIF包一层（虽不能预防错误，但可避免下游解析失败）：NULLIF(corr(x, y), 'NaN'::double precision)—— 不推荐，因为corr()本身不返回字符串'NaN'，这只是部分客户端的显示问题 - 更实用的是提前检查：
SELECT region, COUNT(DISTINCT revenue), COUNT(DISTINCT support_minutes) FROM sales_log GROUP BY region，快速识别哪些分组不值得算相关性
替代方案：手动实现或用扩展
如果需要斯皮尔曼（Spearman）或肯德尔（Kendall）相关系数，原生 corr() 不支持。别急着写 PL/pgSQL 循环——有更稳的路径：
- 用
rank() OVER (ORDER BY x)和rank() OVER (ORDER BY y)构造秩次，再套用corr()计算秩相关（斯皮尔曼），注意处理并列秩次要用RANK()而非ROW_NUMBER() - 安装
tablefunc扩展后可用crosstab()辅助，但对相关系数无直接帮助；真正靠谱的是postgres_fdw+ 外部 Python 服务，不过那已超出纯 SQL 范畴 - 简单验证场景下，用
REGR_R2(x, y)看决定系数（R²），它和corr()平方等价，且同样要求双精度输入
最常被忽略的一点：相关系数只能反映线性关系强度和方向，对非线性模式（比如 U 型、周期性）完全不敏感。算出来 r = 0.1，不代表没关系——可能只是线性建模不合适。动手前，先画个散点图。
