Python数据科学入门
Dmitry Zinoviev著
熊子源 译
第8章 绘图
可编程的绘图方法主要有三种：
- 增量绘图 ：从一张空白画布开始进行增量绘图，然后使用专门的函数逐步添加图形、坐标轴、标签和图例等。最后显示出所绘制的图像并可以保存在文件中。
- 集成绘图 ：集成绘图将描述图形、图表、坐标轴、标签和图例等所有必要参数传递给绘图函数。可以实现即时绘制、装饰并保存最终绘图。
- 图层绘图 ：图层工具用于展示要绘制的内容、如何绘制以及可展示其他任意特征的虚拟图层。
第41单元 使用PyPlot进行基本绘图
基本函数声明：
| 函数 | 声明 |
|---|---|
| imshow() | 将矩阵显示为图像 |
| contour() | 将矩阵显示为等高线图 |
| contour() | 将矩阵显示为填充等高线图 |
| cmap() | 为绘图指定了一个预制调色板 |
| subplot(n,m,number) | 将主图划分为n个虚拟行和m个虚拟列，并用number选择子图编号 |
| grid() | 实现网格的打开和关闭 |
| tight_layout() | 调整子图，使其美观和紧凑 |
| savefig() | 将当前图形保存到文件中 |
第42单元 了解其他绘图类型
Pyplot中的主要绘图类型：
| 绘图类型 | 函数 |
|---|---|
| 竖直条形图 | bar() |
| 水平条形图 | barh() |
| “有须”的箱型图 | boxplot() |
| 误差条形图 | errorbar() |
| 直方图 | hist() |
| 双对数图 | loglog() |
| X轴对数图 | semilogx() |
| Y轴对数图 | semilogy() |
| 饼图 | pie() |
| 线图 | plot() |
| 日期图 | plot_dates() |
| 极坐标图 | polar() |
| 散点图 | scatter() |
| 步阶图 | step() |
第43单元 精通绘图装饰
更改默认字体：（方便显示你在绘制的图上的文字）
Matplotlib.rc(“font”,family=”Arial”)
第44单元 用pandas绘图
Pandas.tools.plotting() 用来结束对绘图部分的介绍，并且最重要的是具有用于散点矩阵的工具。散点矩阵是一个非常优秀的探索数据的工具，它对应的函数实现是scatter_matrix()，该函数能显示主对角线中每列数据的直方图以及所有其他矩阵中任意两列的双变量散点图。
第9章 概率与统计
第46单元 回顾统计度量
数据位于何处？
样本均值是所有观察值的平均值：
数据分布有多广？
样本标准差是数据分散程度的度量：
（sx越大，数据分布的越广）
数据分布的偏斜程度有多大？
样本偏斜度是概率分布不对称性的度量。（零偏斜度表示分布是对称的）
两个变量是否相关？
样本协方差是衡量两个随机变量接近程度的度量：
皮尔逊相关系数（相关系数\相关），是协方差的归一化：
（
"Sometimes the right path is not the easiest one."--《Pocahontas》
）
