fig = plt.figure()
ax = fig.add_subplot(1,1,1)
然后我们添加一条“Line”到这个“axes”中去
lines = ax.plot(np.arange(1000))
此时，你可以运行fig.show()查看到图表对象中已经多了一条线
当然，你也可以吧lines对象的位置打印出来，我这里是：
[<matplotlib.lines.Line2D object at 0x05D37BD0>]
OK，可能这个时候你已经知道如何做了，通过查询API我们知道是有一个POP方法的，那么你可能会这么写：
lines.pop(0)
然后你会再次运行程序，你会发现画的先仍然存在，为什么呢？
好吧，其实这个地方你可以理解为是一个值传递，而非引用删除，那么正确的方法是：
数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。最典型的就是数据的归一化处理，即将数据统一映射到(0,1]区间上
（1）0-1标准化
将数据的最大最小值记录下来，并通过max-min作为基数（即min=0,max=1)进行数据的归一化处理
x=(x - min) / (max - min)
（2）Z-score标准化
Z分数（z-score），是一个分数与平均数的差再除以标准差的过程 → z=(x-μ)/σ，其中x为某一具体分数，μ为平均数，σ为标准差
Z值的量代表着原始分数和母体平均值之间的距离，是以标准差为单位计算。在原始分数低于平均值时Z则为负数，反之则为正数
数学意义：一个给定分数距离平均数多少个标准差?
