Python数据分析——常用的名词

---

主要收藏了常用的数学值、numpy常用函数、pandas常用函数、matplotlib常用函数

---

1.以下的介绍常用的数学值，以及在python中怎么调用

常用值	数学意义	代码内容	相关库	使用技巧
0值	0是介于-1和1之间的整数。0既不是正数也不是负数，而是正数和负数的分界点。	np.nan、
均值	统计学术语
最大	在给定情形下可以达到的最大数量或最大数值；一个量由于起初增大然后开始减小而达到的最大值；程度上的最高点；最高、最大或极端发展的时间或时期	max
最小	在给定情形下可以达到的最小数量或最小数值；一个量由于起初减小然后开始增大而达到的最小值；程度上的最低点；最低、最小或极端发展的时间或时期	min
众数	在统计分布上具有明显集中趋势点的数值，代表数据的一般水平（众数可以不存在或多于一个）。 修正定义：是一组数据中出现次数最多的数值，叫众数，有时众数在一组数中有好几个
频数	又称“次数”。指 变量值中代表某种特征的数（标志值）出现的次数。按分组依次排列的频数构成频数 数列，用来说明各组标志值对全体标志值所起作用的强度
中位数	统计学中的专有名词，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。
分位点	百分比位置
标准差	中文环境中又常称 均方差，标准差是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组组数据，标准差未必相同。	std
方差	是在概率论和统计方差衡量 随机变量或一组数据时离散程度的度量。概率论中方差用来度量 随机变量和其 数学期望（即 均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的 平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。方差是衡量源数据和期望值相差的度量值。
正态分布	也称“常态分布”，又名高斯分布（Gaussian distribution），若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

2.以下介绍numpy库中的常用函数

3.以下介绍pandas库中的常用函数

4.以下介绍matplotlib库中常用函数

5.以下介绍算法中基础的算法