NumPy是Python中用于科学计算的核心库，提供高效的多维数组对象ndarray。安装只需执行pip install numpy，导入时建议使用import numpy as np。核心功能包括：创建数组（从列表/零矩阵/随机数等）、数组操作（变形/索引/切片）、数学运算（加减乘/矩阵运算）、常用统计函数（求和/均值/极值）以及广播机制。还提供线性代数运算（矩阵求逆/特征值）和数组存储功能（s

Pandas 功能强大且灵活，适用于数据清洗、分析和建模等场景。

摘要：pandas Series是带标签的一维数组，可存储多种数据类型。通过列表或字典创建，支持自定义索引。常用属性包括values、index和dtype。提供标签/位置索引、矢量化运算、缺失值处理（isna/dropna/fillna）等功能，支持apply()应用自定义函数。内置统计方法如mean()、sum()等，并能通过布尔索引进行数据筛选。Series结合了字典和数组的优势，是数据分析

本文整理了Pandas DataFrame的基础操作指南，包括创建、查询、修改等核心功能。创建DataFrame支持字典和列表两种方式，常用方法如head()查看数据、describe()获取统计摘要。数据操作涵盖列选择（单列/多列）、行筛选（iloc）、条件过滤等。修改操作包括添加/修改列值、处理缺失值（fillna）及排序。还介绍了分组统计、数据IO（读写CSV）以及合并（concat）等实用

摘要：本文介绍了pandas DataFrame的基础操作，包括创建方法（通过字典、列表等）、数据选择与过滤（单列/多列选择、条件筛选）、数据清洗（处理缺失值）、聚合分组（groupby方法）、数据合并（concat/merge/join）以及时间序列处理（日期范围生成、重采样）。还提供了性能优化技巧，如数据类型优化、使用apply替代循环等。这些操作涵盖了DataFrame数据处理的核心功能，适

摘要：Matplotlib是Python核心数据可视化库，支持生成各类静态/交互式图表。通过简单代码即可创建折线图、散点图、柱状图等基础图表，并支持子图布局、样式自定义等高级功能。关键特性包括：Jupyter交互模式支持(%matplotlib widget)、多种图表类型绘制、rcParams全局样式配置以及图表导出功能。推荐配合Seaborn、Plotly等扩展库使用，可满足从基础到专业的可视

摘要：在Mac上安装MySQL主要有两种方式：使用Homebrew（通过命令brew install mysql安装并启动服务）或下载官网.dmg文件安装。安装后需运行mysql_secure_installation设置root密码，并将MySQL路径添加到环境变量。常用服务管理命令包括启动、停止和重启（brew services start/stop/restart mysql）。验证安装可通

本文介绍了多种设置Python路径的方法：1）临时设置环境变量（Windows用set，Linux/macOS用export）；2）永久设置环境变量（通过系统属性或修改shell配置文件）；3）在Python脚本中使用sys.path.append动态添加路径；4）使用虚拟环境管理路径。文章还提供了验证路径是否生效的方法，并提醒注意路径斜杠方向、需要重启终端/IDE生效以及虚拟环境的路径优先级问题

Flask是一个轻量级Python Web框架，适合快速开发。通过pip安装后，可创建基本应用，定义路由与视图函数，使用Jinja2模板渲染HTML。支持静态文件访问、表单处理、重定向和错误页面定制。集成Flask-SQLAlchemy可操作数据库，推荐使用Gunicorn部署。Flask简洁灵活，既适合小型项目，也能通过扩展实现复杂功能。

本文介绍了多种设置Python路径的方法：1）临时设置环境变量（Windows用set，Linux/macOS用export）；2）永久设置环境变量（通过系统属性或修改shell配置文件）；3）在Python脚本中使用sys.path.append动态添加路径；4）使用虚拟环境管理路径。文章还提供了验证路径是否生效的方法，并提醒注意路径斜杠方向、需要重启终端/IDE生效以及虚拟环境的路径优先级问题