1、全部行都能输出
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity='all'
2、查看dtype类型有哪些
np.typeDict
3、查看数组实例或函数或方法所有属性情况
help(a)
np.info(a)
dir(np)
库、函数、方法后面+?(??是查看程序代码)
或shift+tab键
4、axis=0,表示对列的操作；axis=1 ,表示对行的操作
5、CTRL +tab键 把\转换为/
6、x.zfill(n) x是字符串变量，这个方法是在x前面补齐0并保证长度为n
7、interpolate() 依据不同方法进行插补，method有：
① 默认是线性插补 （'linear'），忽略索引并将值视为等间距。这是MultiIndexes支持的唯一方法
② 'time'：适用于每日和更高分辨率的数据，以插入给定的间隔长度。
③ 'index'，'values'：使用索引的实际数值。
④ 'pad'：使用现有值填写NaN。
⑤ 'nearest'，'zero'，'slinear'，'quadratic'，'cubic'，'spline'，'barycentric'，'polynomial'：传递给scipy.interpolate.interp1d。这些方法使用索引的数值。'polynomial'和'spline'都要求你也指定一个order（int），例如 。df.interpolate(method='polynomial', order=5)
⑥ 'krogh'，'piecewise_polynomial'，'spline'，'pchip'，'akima'：围绕类似名称的SciPy插值方法的包装。见注释。
⑦ 'from_derivatives'：指 scipy.interpolate.BPoly.from_derivatives，它取代scipy 0.18中的'piecewise_polynomial'插值方法。版本0.18.1中的新功能：添加了对'akima'方法的支持。添加了插值方法'from_derivatives'，它取代了SciPy 0.18中的'piecewise_polynomial'; 向后兼容SciPy <0.18
8、用iloc[] 或loc[]索引方法取DataFrame对象数据，记住一个原则[行索引值,列索引值]
9、np.diff():是numpy的差分方法，默认是一阶；返回结果的原则是 out[n] = a[n+1] - a[n]
10、to_datetime():把字符串日期转换为日期时间，必须有format参数(提供日期格式)，字符串的顺序需要参照format格式才能返回准确的日期时间格式数据
11、strftime()：日期时间变量转化为指定格式的字符串变量，是datetime库的方法
12、np.newaxis 关键字可以作数组的变形，比如 a[:,np.newaxis]
13、apply()方法适用于DataFrame对象中数据的操作；map()方法只能针对一列的数据操作
14、可变数据类型变量在引用是最好使用copy.deepcopy(变量名)（需要导入库：import copy），这样在做值修改不会出现异常。
15、查看文件夹路径：%pwd
