用SPSS PRO复制灰色关联分析的代码，用案例数据输出结果全是NaN 代码： import numpy import pandas from spsspro.algorithm import quantify_analysis

生成案例数据

f = pandas.DataFrame({ "A": [1, 2, 3, 4, 5], "D": [10, 20, 30, 40, 50] }) m = pandas.Series([1, 2, 3, 4, 5], name="B") i = pandas.Series([1, 2, 3, 4, 5], name="C")

灰色关联分析，输入参数详细可以光标放置函数括号内按shift+tab查看，输出结果参考spsspro模板分析报告

print(quantify_analysis.grey_relational_analysis(f, m, i))

结果： {'correlation_coefficient_result': {'data': {'index': [1, 2, 3, 4, 5], 'data': [[nan, nan], [nan, nan], [nan, nan], [nan, nan], [nan, nan]], 'title': ['A', 'D']}, 'df': 索引项 A D 0 1 NaN NaN 1 2 NaN NaN 2 3 NaN NaN 3 4 NaN NaN 4 5 NaN NaN, 'description': '从上表可知，针对2个评价项（A、D）以及5项数据进行灰色关联度分析，并且以B作为“参考值"(母序列)，研究2个评价项(A、D与B的关联关系（关联度），并基于关联度提供分析参考，使用灰色关联度分析时，分辨系数取0.5，结合关联系数计算公式计算出关联系数值，并根据关联系数值，然后计算出关联度值用于评价判断。\nPS：分辨系数 ρ∈(0，∞)，ρ越小，分辨力越大，一般ρ的取值区间为 ( 0，1)，具体取值可视情况而定。当 ρ ≤ 0.5463时，分辨力最好，通常取 ρ = 0.5 。'}, 'correlation_coefficient_chart': {'data': [{'name': 'A', 'data': [nan, nan, nan, nan, nan], 'x_axis': [1, 2, 3, 4, 5]}, {'name': 'D', 'data': [nan, nan, nan, nan, nan], 'x_axis': [1, 2, 3, 4, 5]}]}, 'relevance_table': {'data': {'data': [['A', 0.0, 1], ['D', 0.0, 2]], 'title': ['评价项', '关联度', '排名']}, 'description': '结合上述关联系数结果进行加权处理，最终得出关联度值，使用关联度值针对2个评价对象进行评价排序；关联度值介于0~1之间，该值越大代表其与“参考值”(母序列)之间的相关性越强，也即意味着其评价越高。从上表可以看出：针对本次2个评价项，A评价最高(关联度为：0.0)，其次是D(关联度为：0.0)。'}, 'bi_model_result': {'correlation_coefficient_chart': {'data': [{'name': 'A', 'data': [nan, nan, nan, nan, nan], 'x_axis': [1, 2, 3, 4, 5]}, {'name': 'D', 'data': [nan, nan, nan, nan, nan], 'x_axis': [1, 2, 3, 4, 5]}]}, 'relevancy_chart': {'data': [{'name': 'A', 'relevancy_value': 0.0, 'rank': 1}, {'name': 'D', 'relevancy_value': 0.0, 'rank': 2}]}}}