逆序数组的方法：
如数组x,
x[::-1]
注：当步长值为负时，start参数和stop参数默认是被交换的。
数组也可以用布尔索引。
list.index()返回列表元素的序号。
列表的方法，其实也算是一种函数。
对于嵌套列表来说，list[0][0]返回子列表的元素。
数组和dataframe都有.shape
pd.concat连接多个dataframe
pd.merge()类似于SQL的联结。
astype（）方法，转换数据类型。
缺失值的处理：删它填它不管它
list.extend() 追加列表
sorted() function sorts data in numerical or alphabetical order and returns a new list
import csv
csvfile=open(r'')
for row in csv.reader(csvfile):
print(row)
csvfile.close()
round(number,[,ndigits]) 当只有一个参数时，返回integer
np.random.normal(a,b,c) a:distribution mean,b:distribution standard dev,c:number of samples;
任何通用函数的reduce方法，会对给定的元素和操作重复执行，直至得到单个的结果：
x为数组
np.add.reduce(x) 返回数组中所有元素的和；
np.multiply.reduce(x) 返回数组中所有元素和乘积；
如何需要存储每次计算的中间结果，可以使用accumulate:
in[88]:np.add.accumulate(np.arange(1,5))
Out[88]: array([ 1, 3, 6, 10], dtype=int32)
in[88]:np.multiply.accumulate(np.arange(1,5))
Out[89]: array([ 1, 2, 6, 24], dtype=int32)
外积：
任何通用函数都可以用outer方法获得两个不同输入数组所有元素对的函数运算结果。
可用此法生成乘法表：
x=np.arange(1,10)
np.multiply.outer(x,x)
Out[91]:
array([[ 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 2, 4, 6, 8, 10, 12, 14, 16, 18],
[ 3, 6, 9, 12, 15, 18, 21, 24, 27],
[ 4, 8, 12, 16, 20, 24, 28, 32, 36],
[ 5, 10, 15, 20, 25, 30, 35, 40, 45],
[ 6, 12, 18, 24, 30, 36, 42, 48, 54],
[ 7, 14, 21, 28, 35, 42, 49, 56, 63],
[ 8, 16, 24, 32, 40, 48, 56, 64, 72],
[ 9, 18, 27, 36, 45, 54, 63, 72, 81]])
np.sum()
np.min()
np.max()
对于min、max、sum等其它numpy聚合，一种更简洁的语法形式是数组对象直接调用这些方法：如np.array.min()等等
numpy大多数的聚合都有对nan值的安全处理策略（NaN-safe）,即计算时忽略所有的缺失值：
如
np.nansum(np.array([1,3,2,np.nan])) 返回nan
np.nansum(np.array([1,3,2,np.nan])) 返回6.0
np.percentile(x,q)计算数组的分位数：
如np.percentile(heights,25)