分类目录归档：书籍
本章主要围绕matplotlib和seaborn两个模块进行可视化的演示
matplotlib的图像都是基于Figure对象
plt.figure()可以创建一个空白的新Figureadd_subplot创建多子图，并可以依次进行绘制代码示例：
import matp常见读取函数：
| 函数名称 | 简单描述 |
| ---------------- | ------------------------------------------------------------- |
| read_csv | 从文件、URL、文件型对象中加载带分隔符的数据，默认分隔符为逗号 |
| read_fwf |
pandas是后续数据清理和分析的重要工具
pandas是基于numpy构建的，但支持异构的数据（不同于numpy，pandas中不同列的类型可以是多样化的，比如日期、数值、字符串等）。pandas的功能定位可以对标Excel，但相比于Excel会更加地灵活强大
pandas包含两个主要数据结构：Series和DataFrame
Series是一种类似于一维数组的对象，包含了列表、字典或一维numpy数组的很多特性；每个Series都是由一个名称（name）、一组index和一组values构
NumPy（Numerical Python）是Python用于数值计算的基础包
ndarray，提供快速向量计算和灵活的广播机制关于广播机制可参阅1.3 广播机制
ndarray数组是一个通用的同构数据多维容器，即所有元素的类型应该是相
元组tuple，小括号定义，固定长度，不可变的Python序列对象
在Python的函数中，参数传入以及结果返回都是以元组的形式实现的
列表list，方括号定义，长度可变，内容可变的Python序列对象
常用的序列函数
enumerate()示例：for i, value in enumerate(tuple_or_list)sort()：对序列或字符串进行排序zip()：对多个序列进行成对地组合（最终长度取决于最短的输入序列）reversed()：生成器，从后向前地迭代一个序列字典dict（重要），大括号定义，以键值对
提示：本书定位是专注于数据处理与分析的工具书，不涉及类和面向对象编程等概念
所以作者也推荐了三本进阶书籍：《Python Cookbook》《Fluent Python》《Effective Python》
此处加一个 #待补充 方便以后提醒自己阅读这三本书
打开解释器：在终端输入python（没反应请检查一下环境变量配置）
退出解释器：输入exit()或快捷键ctrl+D
执行python脚本：python xxxxx.py
交互式编程：在终端输入ipytho
《利用Python进行数据分析》第一版使用python2.7，出版于2012年
本书第二版使用python3.6，编写于2016年~2017年，针对pandas库的新特征进行更新
目前的笔记依赖于第三版，编写于2022年，并对pandas库的新特征进行更新
第三版在项目上尽可能与前两版保持一致，但是在细节有一些优化；同时第三版最大的一处变化是开放了在线版本，并通过git版本控制进行持久维护，查缺补漏（给作者点个赞）。
本书中所有涉及的代码和数