没有实际数据很难回答这个问题,但我想你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
然后
df["A"].corr(df["B"])
按预期给出1.
现在,如果您更改了某个值,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
命令
df["A"].corr(df["B"])
回报
0.99586
正如预期的那样仍然接近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NaN – 请查看this post作为示例.
如果要过滤/低于特定阈值的条目,可以查看this question.
如果要绘制相关系数的热图,可以检查this answer,然后如果遇到重叠轴标签的问题,请检查the following post.