#创建wb对象，打开对应的wb表对象#获取wb对象下的，sheet对象，且是个对象数组print(sheets.count) #错误sheets.count #也可以直接去获取wb对象下的sheets对象的名字数组，这不是对象数组，而是字符串数组#直接获取sheet对象的.属性呢？可以么？可以，但只能是 sheet.name 没有 sheets.nameprint()

  http://www.cnblogs.com/Detector/p/8371650.htmlhttps://blog.csdn.net/a87b01c14/article/details/45848997

如何把 txt / json /xml 文件内容读入到excel 表里

每个饼分位多个分块，每个分块大小不同，每个分块还可以分尖端和后面2部分。根据饼状图来的，南丁格尔玫瑰图。频度分布表：概率分布的雏形吧。

一般是神经网络/ 感知机 用到的判断 神经元是否被激活的函数。

集中趋势（central tendency）：集中趋势反映了一组数据的中心点位置所在及该组数据向中心靠拢或聚集的程度。（描述数据中心）适合查看符合正态分布等数据。如果数据本身比较偏，看集中趋势意义大吗？

与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df愈大，t分布曲线愈接近正态分布曲线，当自由度df=∞时，t分布曲线为标准正态分布曲线。在概率论和统计学中，t-分布（t-distribution）用于根据小样本来估计呈正态分布且方差未知的总体的均值。查t界值表中自由度为n-1，双侧α，如果是双边检验，那么查到的t(α/2, n-1)查t界值表中

偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据。方差：描述的是预测值的变化范围，离散程度，也就是离其(预测值整体)期望值的距离。方差越大，数据的分布越分散预测值和真实值完全没关系。方差小只是一群估计值自身的属性，够不够聚拢，发散是否厉害。有可能方差很大也可能很小，但偏离真实值很远的情况。简单的理解，范式就是距离L1 范式距离，就是 |y1-y2|L2 范式距离，就

1 与门，非门，或门，与非门 ，或非门，异或门与门，A&B或门，A+B非门，A-与非门，A&B-或非门，(A+B)-异或门与门（AND gate）、或门（OR gate）和非门（NOT gate）是数字逻辑电路中的三种基本门电路，它们用于实现不同的逻辑功能。与门，A&B或门，A+B非门，A-与非门，A&B-或非门，(A+B)-异或门1.1 与门，and gate1.

F检验临界值表提供了右尾F检验的临界值。当F检验的统计量大于该值时，我们的F检验结果在统计上是有意义的。F检验 (F-test)，亦称联合假设检验（joint hypotheses test）、方差比率检验、方差齐性检验。它是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来