一：numpy相關的操作
1數組的創建：numpy.array( [ ["元素1","元素2"],["元素1","元素2"],["元素1","元素2"] ] )
生成數組 arange、zeros、ones
bool類型：
（1）矢量化運算：相同大小的數組鍵間的運算應用在元素上
（2）矢量與標量運算：將標量“廣播”到各個元素
2數組的排序：sort方法
3取最大值與最小值：y1=y.max() y2=y.min()
4一維數組的切片與索引：按照下標切開，取某個片段之間的元素 數組[ 起始下標 : 最終下標+1]
5.多維數組的索引與切片：
arr[ r1 : r2, c1 : c2] ： r1，r2代表行的切片。c1,c2代表列的切片。
arr[1,1]等價於arr[1][1]
改變數組的維度：先攤開展平，再設置維度。
6.條件索引：布爾值多維數組，arr[condition],condition可以是多個條件組合，注意多個條件組合要用& | 而不是and or
（1）單個條件： 首先 隨機生成3行3列的[0,1)之間的浮點數。
（2）多個條件：
7：轉置：transpose 高維數組轉置要指定維度編號（0,1,2.....）
8:通用函數：元素級運算。
ceil 向上最接近的整數
floor 向下最接近的整數
rint 四捨五入
isnan 判斷元素是否爲NaN（not a number）
mutiply 元素相乘
divide 元素相除
9：矢量版本的三元表達式：
numpy.where（condition,x,y） : x if condition else y
10:常用的統計方法：注意多維的話要指定統計的維度，否則默認全部維度上做統計。（axis=0 按列，axis=1，按行）
mean：
sum：
max：
min：
std：
var：
argmax：
argmin：
cumsum：
cumprod：
all：全部滿足條件
any：至少滿足條件
unique：找到唯一的值並返回排序結果
二：pandas相關操作
1 Series:指的是某一串數字，有順序的。一行或者一列 。默認index索引（0開始）
2 DataFrame ：數據類似於表格
3字典的方式創建數據
4頭部數據 e.head()，默認取前5行
5尾部數據 e.tail(),默認取後5行
6 e.describe()按列統計。
count這列的個數，mean平均數，std標準差，min這一列中的最小值，max這一列的最大值。
%對應的數字代表每一列的分位數。
7 數據的轉置（行變列，列變行）e.T
