数据科学：待学习的内容

pandas.Series 的一些方法：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.corr.html

1. plt.subplots()：将 plt.figure 创建的画板，分割成多个子图（clos——列、rows——行）；
2. plt.figure(figsize=(15,5))：创建一个图形实例，俗称话本，在这个画板上绘制几行几列的图；figsize 表示图形的（宽，高）；
3. sns.barplot()：绘制不同Series之间的相关性图
4. figure、subplot 的使用，参考：https://blog.csdn.net/claroja/article/details/70841382
5. pd.concat(df1, df2)：连接两个DataFrame 数据集；
6. df1.loc[[0, 2, 3], :]：删除数据 df1的第0、2、3 行；
7. df1.loc[:, [0, 2, 3]]：删除数据 df1的第0、2、3 列；
8. df2 = df1.reset_index()：将 df1 的每行的引索（Id）保留，以列名做为新的 index，生成新的数据 df2；（一般默认以行做引索）
9. df3 = df1.reset_index(drop=True)：drp = True，删除 df1 的行引索，一列名作为新的 index，生成新的数据 df3；
10. df1.dtypes(include=None, exclude=None)：按类型查看数据 df1 中的其它数据；
11. df1.dtypes[df1.dtypes == 'object']：查看 df1 数据中，类型为 'object' 类型的数据；
12. df1.index：返回数据 df1 的引索对象；
13. df1.index.values：以 array 的形式返回 df1 的引索的值；（多用于获取所有的特征，也就是 df1 的所有列名）
14. stats.probplot()：
15. DataFrame 中 sort_values()：
16. Seaborn 中的箱型图：
17. 箱型图：统计学中应用
18. 四等分点：
19. 方差齐次验证：如何理解线性回归中的方差齐性；
20. 方差分析：统计学知识；参考百科自学
21. 协方差：
22. scipy.stats 模块：
23. f, p = scipy.stats.f_oneway(sample1, sample2, ...)：单向方差分析，入参是分好组的多个 array；
24. 单向方差分析：计算各组数据间的差异性，统计学知识，参考百科；
25. df1.isnull()：判断 df1 的数据是否为 np.NaN 类型；返回 bool 类型，是则为 True，不是返回 False；
26. Series1.corr(Series2, method='pearson', min_periods=None)：计算 Series1 和 Series2 之间的相关性（不包含数据中的缺失值）；（采用了方差的分析思路）参考pandas文档；
27. DataFrame.corr(method='pearson', min_periods=None)：计算 DataFrame 的协方差关联程度；
28. sns.heatmap()：绘制热力图；
29. DataFrame.nlargest(n, 'columns1')：从数据 DataFrame 的 ‘columns1’ 列中，找出数值最大的 n 个数所在行，返回一个新的 DataFrame；
30. sns.pairplot()：绘图
31. train.sort_values(by='GrLivArea', ascending=False)[:2][['Id', 'GrLivArea', 'SalePrice']]：按 ‘GrLivArea’ 列的数值对 train 从大到小排序（ascending=False 表示从大到小），并且查看排序后的数据集的前 2 行的列名是 ['Id', 'GrLivArea', 'SalePrice'] 的数据；
32. DataFrame[:n][['columns1', 'columns2', 'columns3']]：查看数据的前 n 行的列名为 ['columns1', 'columns2', 'columns3'] 的数据；
33. “偏度 - 峰度” 检验法：
34. 偏度：统计学知识
35. 峰度：统计学知识；
36. DataFrame.apply()：
37. dataframe.fillna()：
38. Series.to_dict()：
39. DataFrame.gtoupby()：
40. 学习《Python 科学计算》：做数据处理的；