# Python 101 筆記

**#1 np.random.normal()**

import numpy as np

mean = 0
std = 0.1
y = np.random.normal(mean, std ,size = 10)#size預設=None(只有一個)

np.random.normal(mean,std,size):

* mean：float 此概率分佈的均值（對應著整個分佈的中心centre）
* std：float 此概率分佈的標準差（對應於分佈的寬度，scale越大越矮胖，scale越小，越瘦高）
* size：int or tuple of ints 輸出的shape，預設為None，只輸出一個值

表示均值為mean，標準差為std的高斯隨機數（場）.

即與高斯分佈（Gaussian Distribution）的概率密度函式（probability density function）：(維基百科)
https://en.wikipedia.org/wiki/Normal_distribution

**#2 plt.hist()**

import matplotlib.pyplot as plt

n, bins, patches = plt.hist(y, num_bins, density=1, rwidth=0.9, color='blue', alpha=0.5)

* y：直方圖的y值
* num_bins：多少個長方塊
* density：請設定等於1，符合機率理論(機率密度總和=1)
* rwidth：每條長方塊的寬度
* color：顏色
* aplha：透明度

**#3 plt.plot()**

import matplotlib.pyplot as plt
...(略)
plt.plot(bins, 1/(std * np.sqrt(2 * np.pi)) * np.exp( - (bins - mean)**2 / (2 * std**2)), linewidth=2, color='r') 
#畫出曲線圖

plt.plot(x, y, linewidth=2, color='r'):
* x：x軸的座標值
* y：函數
* linewidth：線條寬度
* color：顏色

**#4 data = pd.read_csv(csv_file)**

import pandas as pd
csv_file = "https://raw.githubusercontent.com/jerrylin1121/tmp_data/master/total-confirmed-cases-of-covid-19-per-million-people.csv"
data = pd.read_csv(csv_file)
data.head(10)#顯示出前10筆資料

**#5 sns_plot = sns.relplot(, , , )**

import seaborn as sns
sns_plot = sns.relplot(x='Year', y='Total confirmed cases of COVID-19 per million people (cases per million)', kind='line', data=data)
#會顯示信賴區間