Numpy

np.array([1,2,3,4,5])
# 可以使用一个迭代对象作为参数，创建一个ndarray
# 这个数据类型也能够被切片

np.arange(0, 10, 0.2)
# 以范围创建一个ndarray，步长可以为小数

np.ones(3)
np.ones((3,3))
# 创建一个指定形状的全为1的ndarray

values = np.arange(1, 10, 1)
values = np.where(values < 5, <x>, <y>)
# 以指定的条件和值填充元素
# 满足条件返回<x>，不满足条件返回<y>

np.dot(values_one, valuse_two) # 计算点积
np.shape(values_one) # 输出数组维度
np.reshape(values_one, (2, 2)) # 将数组重构为指定形状
np.append(values_one, 3) # 添加元素

np.random.randint(1, 9) # 生成一个随机数（左闭右开）
np.random.seed(114514) # 设置随机数种子

np.sum(values, axis=1)  # 和
np.max(values, axis=0)  # 最大值
np.min(values, axis=0)  # 最小值
np.std(values, axis=0)  # 标准差
np.mean(values, axis=0)  # 算术平均数

data.loc[:, 'math'] # 找出指定单个列
data.loc[1:5, ['month', 'math']] # 找出指定区间行的指定多个列（亦为左闭右开）
data.loc[data.loc[:, 'math'] == 90, 'math'] # 按条件找出指定的单个列

data.loc[:,'math'] == 90 # 此时将返回由Bool作为数据类型的数组
# 需要注意此时选定的列数只能为单个（即不能将列表作为参数）

data.iloc[:, 1]
data.iloc[1:5, 1:3]
data.iloc[(data.iloc[:, 1] == 90).values] # 此处条件判断需要使用.values
# 使用iloc与loc类似

data.drop_duplicates() # 删除重复行
data.drop(columns='month') # 删除指定列
data.fillna({'math':0}) # 传入字典，当字典键列有空值时，用字典值代替