Pearson Correlation: nan

皮尔逊相关系数（Pearson Correlation Coefficient），也称为皮尔逊相关，是一种用于测量两个变量之间线性关系强度和方向的统计工具。它得名于英国统计学家查尔斯·皮尔逊，其取值范围通常在-1到1之间：

- **1** 表示完全正相关，即一个变量增加时，另一个变量也随之按比例增加。
- **0** 表示无关联，即增加其中一个变量不会对另一个变量有直接影响。
- **-1** 表示完全负相关，即一个变量增加时，另一个变量会减少。

当涉及到NaN（Not a Number）值时，计算皮尔逊相关系数可能会出现问题，因为NaN不会参与任何算术运算。如果数据集中存在NaN，需要先进行处理，可以选择删除包含NaN的观测值、填充缺失值（如使用平均值、中位数或特定算法）或是采用某种统计方法（如小样本修正的相关系数）来计算。

例如，如果你有两个数组，`array1` 和 `array2`，计算它们的皮尔逊相关会像这样：

import numpy as np

# 假设 array1 和 array2 都可能存在 NaN
correlation = np.corrcoef(array1, array2, rowvar=False)

如果`correlation`中有一个或多个值为`nan`，那就意味着计算时遇到了无法处理的数据缺失。在这种情况下，你需要预处理数据后再计算相关系数。