python的一些乱七八糟
本文不涉及python较基础的print、input、if、for等语法，只记录一些日常用到的函数和参数。
1. python 库
1.1 shutil库
2. python 函数的用法
2.1 绘图相关参数
2.1.1 cmap函数
这个函数中可选的cmap参数包括： 例：
cmap='seismic'
'seismic': 红-白-蓝配色，用于表示正负值之间的差异。'jet': 黑-蓝-青-黄-红配色，用于表示连续变化的数据。'coolwarm': 深蓝-白-红配色，用于表示正负值之间的差异。'viridis': 从深绿到黄绿到黄的单调配色，用于表示连续变化的数据。 用于绘制场增强图。'plasma': 紫-粉红-橙-黄单调配色，用于表示连续变化的数据。'magma': 一种从黑色到红色的颜色映射。'inferno': 一种从黑色到黄色的颜色映射。'cool': 一种从青色到绿色的颜色映射。'hot': 一种从黑色到红色的颜色映射。'RdBu_r': 它将数据值映射到红色和蓝色之间的颜色。其中，RdBu代表红色和蓝色的混合，_r表示颜色映射是反转的，即高值对应的颜色是蓝色，低值对应的颜色是红色。高值：深蓝色 中等值：白色 低值：深红色
除了上面列出的常用的颜色映射外，还有许多其他的颜色映射可供选择。在选择颜色映射时，需要根据数据类型和分布特性进行评估，并根据需要调整对比度、亮度、饱和度等参数，以便最大程度地突出数据的特征。
3. Python numpy，scipy，pandas这些库的区别是什么？
Numpy是以矩阵为基础的数学计算模块，纯数学。
Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算。
打个比方，pandas类似Excel软件，scipy就像Excel里的函数算法包，numpy则好比构建Excel逻辑的底层语句。
所以说pandas擅长数据处理，scipy精通数学计算，numpy是构建pandas、scipy的基础库。
我们知道numpy通过N维数组来实现快速的数据计算和处理，它也是Python众多数据科学库的依赖，其中就包括pandas、scipy。而numpy本身不依赖于任何其他Python软件包，只依赖于加速的线性代数库，通常为 Intel MKL或 OpenBLAS。
pandas是python数据处理的核心库，它基于数组形式提供了极其丰富的数据操作，对比excel有过之而无不及。它可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征，广泛应用在学术、金融、统计学等各个数据分析领域。
一般来说，学python数据分析只需要学透pandas就够了，辅助加一些numpy、scipy、matplotlib等库。
scipy 是一个用于数学、科学、工程领域的常用软件包，可以处理最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理、图像处理、常微分方程求解器等。 。
其包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
scipy中主要的计算模块：
scipy.integrate：数值积分例程和微分方程求解器 scipy.linalg：扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能 scipy.optimize：函数优化器（最小化器）以及跟查找算法 scipy.signal：信号处理工具 scipy.sparse：稀疏矩阵和系数线性系统求解器 scipy.special：SPECFUN(这是一个实现了许多常用数学函数（如伽马函数）的Fortran库)的包装器 scipy.stats：标准连续和离散概率分布、各种统计检验方法，以及更好的描述统计法 scipy.weave：利用内联C++代码加速数组计算的工具
综上所述，pandas和scipy是建立在numpy数组基础之上的数据工具，三者的协同工作可以高效解决很多问题，在金融、财务、天文、生物、气象和气候、材料等多个领域得到了广泛应用。
推荐几本不错的Python数据分析书
广告利用Python进行数据分析（原书第2版）京东¥78.60去购买
广告Python数据科学手册(图灵出品)京东¥91.20去购买