1. plt.subplots()：將 plt.figure 創建的畫板，分割成多個子圖（clos——列、rows——行）；
2. plt.figure(figsize=(15,5))：創建一個圖形實例，俗稱話本，在這個畫板上繪制幾行幾列的圖；figsize 表示圖形的（寬，高）；
3. figure、subplot 的使用，參考：https://blog.csdn.net/claroja/article/details/70841382
4. pd.concat(df1, df2)：連接兩個DataFrame 數據集；
5. df1.loc[[0, 2, 3], :]：刪除數據 df1的第0、2、3 行；
6. df1.loc[:, [0, 2, 3]]：刪除數據 df1的第0、2、3 列；
7. df2 = df1.reset_index()：將 df1 的每行的引索（Id）保留，以列名做為新的 index，生成新的數據 df2；（一般默認以行做引索）
8. df3 = df1.reset_index(drop=True)：drp = True，刪除 df1 的行引索，一列名作為新的 index，生成新的數據 df3；
9. df1.dtypes(include=None, exclude=None)：按類型查看數據 df1 中的其它數據；
10. df1.dtypes[df1.dtypes == ‘object‘]：查看 df1 數據中，類型為 ‘object‘ 類型的數據；
11. df1.index：返回數據 df1 的引索對象；
12. df1.index.values：以 array 的形式返回 df1 的引索的值；（多用於獲取所有的特征，也就是 df1 的所有列名）
13. stats.probplot()：
14. DataFrame 中 sort_values()：
15. Seaborn 中的箱型圖：
16. 方差齊次驗證：如何理解線性回歸中的方差齊性；
17. 方差分析：統計學知識；參考百科自學
18. scipy.stats 模塊：
19. f, p = scipy.stats.f_oneway(sample1, sample2, ...)：單向方差分析，入參是分好組的多個 array；
20. 單向方差分析：計算各組數據間的差異性，統計學知識，參考百科；
21. df1.isnull()：判斷 df1 的數據是否為 np.NaN 類型；返回 bool 類型，是則為 True，不是返回 False；

數據科學：待學習的內容