一：numpy相关的操作
1数组的创建：numpy.array( [ ["元素1","元素2"],["元素1","元素2"],["元素1","元素2"] ] )
生成数组 arange、zeros、ones
bool类型：
（1）矢量化运算：相同大小的数组键间的运算应用在元素上
（2）矢量与标量运算：将标量“广播”到各个元素
2数组的排序：sort方法
3取最大值与最小值：y1=y.max() y2=y.min()
4一维数组的切片与索引：按照下标切开，取某个片段之间的元素 数组[ 起始下标 : 最终下标+1]
5.多维数组的索引与切片：
arr[ r1 : r2, c1 : c2] ： r1，r2代表行的切片。c1,c2代表列的切片。
arr[1,1]等价于arr[1][1]
改变数组的维度：先摊开展平，再设置维度。
6.条件索引：布尔值多维数组，arr[condition],condition可以是多个条件组合，注意多个条件组合要用& | 而不是and or
（1）单个条件： 首先 随机生成3行3列的[0,1)之间的浮点数。
（2）多个条件：
7：转置：transpose 高维数组转置要指定维度编号（0,1,2.....）
8:通用函数：元素级运算。
ceil 向上最接近的整数
floor 向下最接近的整数
rint 四舍五入
isnan 判断元素是否为NaN（not a number）
mutiply 元素相乘
divide 元素相除
9：矢量版本的三元表达式：
numpy.where（condition,x,y） : x if condition else y
10:常用的统计方法：注意多维的话要指定统计的维度，否则默认全部维度上做统计。（axis=0 按列，axis=1，按行）
mean：
sum：
max：
min：
std：
var：
argmax：
argmin：
cumsum：
cumprod：
all：全部满足条件
any：至少满足条件
unique：找到唯一的值并返回排序结果
二：pandas相关操作
1 Series:指的是某一串数字，有顺序的。一行或者一列 。默认index索引（0开始）
2 DataFrame ：数据类似于表格
3字典的方式创建数据
4头部数据 e.head()，默认取前5行
5尾部数据 e.tail(),默认取后5行
6 e.describe()按列统计。
count这列的个数，mean平均数，std标准差，min这一列中的最小值，max这一列的最大值。
%对应的数字代表每一列的分位数。
7 数据的转置（行变列，列变行）e.T
