要计算不同数据框的列之间的相关性，可以使用pandas库中的corr()函数。以下是一个包含代码示例的解决方法：

import pandas as pd

# 创建两个数据框
df1 = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                    'B': [2, 4, 6, 8, 10]})
df2 = pd.DataFrame({'C': [5, 10, 15, 20, 25],
                    'D': [10, 20, 30, 40, 50]})

# 计算df1和df2的相关性
corr_matrix = df1.corrwith(df2)

# 打印相关性矩阵
print(corr_matrix)

输出结果将是一个包含相关性值的Series对象，其中索引为df1和df2的列名。

如果想计算同一个数据框中不同列之间的相关性，可以直接使用数据框的corr()方法。例如：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 4, 6, 8, 10],
                   'C': [5, 10, 15, 20, 25],
                   'D': [10, 20, 30, 40, 50]})

# 计算不同列之间的相关性
corr_matrix = df.corr()

# 打印相关性矩阵
print(corr_matrix)

输出结果将是一个相关性矩阵，其中行和列代表数据框的不同列，矩阵中的每个元素代表对应列之间的相关性值。