数据可视化

散点图和相关性： 散点图： 如果我们想研究两个数值变量之间的关系，通常会选择散点图。在散点图中，每个数据点都单独表示为一个点，x 轴对应一个特征值，y 轴对应另一个特征值。创建散点图的一个基本方式是利

Figures、Axes 和 Subplot 到目前为止，你已经见过并使用 matplotlib 和 seaborn 练习过一些基本绘制函数。上个页面介绍了新的知识：通过 matplotlib 的 s

对Pandas Series执行算术运算 和 NumPy ndarray 一样，我们可以对 Pandas Series 执行元素级算术运算。我们将了解 Pandas Series 和单个数字之间的算术

访问和删除 Pandas Series 中的元素 现在我们来了解如何访问或修改 Pandas Series 中的元素。Pandas Series 的一大优势是我们能够以很多不同的方式访问数据。我们可以

数据可视化（一） Numpy NumPy 是 Numerical Python 的简称，它是 Python 中的科学计算基本软件包。NumPy 为 Python 提供了大量数学库，使我们能够高效地进行

创建 Pandas Dataframe Pandas DataFrames 是==具有带标签的行和列的二维数据结构==，可以存储很多类型的数据。如果你熟悉 Excel 的话，可以将 Pandas Da

Pandas简介 Pandas 是 Python 中的数据操纵和分析软件包。名称“Pandas”得名自计量经济学 Panel Data（面板数据）一词。Pandas 为 Python 带来了两个新的数

处理Nan的思路 正如之前提到的，在能够使用大型数据集训练学习算法之前，我们通常需要先清理数据。也就是说，我们需要通过某个方法检测并更正数据中的错误。虽然任何给定数据集可能会出现各种糟糕的数据，例如离

将数据加载到 Pandas DataFrame 中 在机器学习中，你很有可能会使用来自很多来源的数据库训练学习算法。Pandas 使我们能够将不同格式的数据库加载到 DataFrame 中。用于存储数

布尔型索引、集合运算和排序 到目前为止，我们了解了如何使用索引进行切片以及选择 ndarray 元素。当我们知道要选择的元素的确切索引时，这些方法很有用。但是，在很多情况下，我们不知道要选择的元素的索

访问和删除 ndarray 中的元素及向其中插入元素 访问和删除： 访问 你已经知道如何创建各种 ndarray，现在将学习 NumPy 使我们如何有效地操纵 ndarray 中的数据。NumPy n

算术运算和广播 我们已经学到“ NumPy ”课程的最后一节课了。在最后一节课，我们将了解 NumPy 如何对 ndarray 进行算术运算。NumPy 允许对 ndarray 执行元素级运算以及矩阵

为离散数据选择图表 如果想要绘制离散型数值变量，直方图或条形图都是可能的选择 。 直方图可能是最直接的选择，因为数据是数值型的，但是需要特别考虑一下分组边界的问题。因为离散型数值都是特定的值，而你的读

条形图 条状图的创建： 条形图（也被称为柱形图、柱状图等）用于展示分类变量的分布情况。在条形图中，分类变量的每个类别用长条表示，高度表示数据该类别的出现频率。我们可以通过 seaborn 的 coun

访问 Pandas DataFrame 中的元素 我们可以通过多种不同的方式访问 Pandas DataFrame 中的元素。通常，我们可以使用行和列标签访问 DataFrame 的行、列或单个元素。

饼图 饼图是一种常见的单变量图表，用于描绘分类变量各类别的相对频率。饼图中的扇区代表频率大小；角度或面积越大，该类别就出现地越频繁。 遗憾的是，饼图是一种应用场合很有限的图表类型，图表创建者很容易将饼

Ndarry 切片 正如之前提到的，我们除了能够一次访问一个元素之外，NumPy 还提供了访问 ndarray 子集的方式，称之为切片。切片方式是在方括号里用冒号 : 分隔起始和结束索引。通常，你将遇