协方差和相关系数是统计学中常用的概念，用于衡量两个随机变量之间的关系。它们都可以用来计算两个变量之间的相关性，但它们的计算方式有所不同。那么，协方差和相关系数哪一个更能表达价值呢？

协方差是指两个随机变量之间的关系强度及其方向的一种度量。它的计算方式是将每个变量的值与其平均值的差乘起来，然后求和，最后再除以样本数。如果协方差的值为正数，那么两个变量的值会一起增加或减少；如果为负数，那么它们的值会相反地变化。协方差的值越大，表明两个变量之间的关系越强。

但是，协方差的缺点是它的值没有一个确切的范围，因此很难比较不同数据集中的协方差。此外，协方差还受到变量单位的影响，这使得它的解释更加困难。

与此相比，相关系数是一种更可靠的度量方法，它不仅度量两个变量之间的关系强度和方向，而且还考虑了它们的变化范围。相关系数的计算方式是将协方差除以两个变量的标准差的乘积。相关系数的值介于-1和1之间，当相关系数为1时，表示两个变量之间的关系为完全正相关；当相关系数为-1时，表示两个变量之间的关系为完全负相关；当相关系数为0时，表示两个变量之间没有线性关系。

因此，相比较于协方差，相关系数更具有普适性和可比性，更能够表达价值。通过相关系数，我们可以更准确地判断两个变量之间的关系强度和方向，帮助我们更好地理解数据集的含义。

综上所述，虽然协方差和相关系数都是衡量两个随机变量之间关系的常用方法，但是相关系数更能够表达价值，因为它能够更准确地度量两个变量之间的关系强度和方向，并且具有普适性和可比性。