如果没有实际数据,很难回答这个问题,但我想您正在寻找这样的东西:Top15['Citable docs per Capita'].corr(Top15['Energy Supply per Capita'])
举个例子:import pandas as pd
df = pd.DataFrame({'A': range(4), 'B': [2*i for i in range(4)]})
A B
0 0 0
1 1 2
2 2 4
3 3 6
那么df['A'].corr(df['B'])
按预期给出1。
现在,如果你改变一个值,例如df.loc[2, 'B'] = 4.5
A B
0 0 0.0
1 1 2.0
2 2 4.5
3 3 6.0
指挥部df['A'].corr(df['B'])
回报0.99586
这仍然接近1。df.corr()
因此会回来A B
A 1.000000 0.995862
B 0.995862 1.000000
在您显示的图形中,仅表示相关矩阵的左上角(我假设)。
在某些情况下,您可以在解决方案中获得NaNs,例如检查this post。
如果要筛选高于/低于某个阈值的条目,可以选中this question。
如果要绘制相关系数的热图,可以选中this answer,如果遇到重叠轴标签的问题,则选中the following post。