API 速查表

本表是项目最有价值的资产之一——基于站长考试经验整理。完整版含图解和示例。

通用考试策略

必记

题目不提供代码框架，只需背诵 import 语句和核心 API 调用。

详见 import 速查。

数据预处理（对应 1.1.x、2.1.x，约 40 分）

场景	核心 API
数据读取	pd.read_csv()、pd.read_excel()
数据理解	print(data.head())、data.shape、len(data)、data.info()
数据生成与转换	np.where()、pd.cut()、pd.get_dummies()、df['列名'].apply()
数据计算与分组	value_counts()、data.groupby().agg()
数据检查与清洗	.isnull().sum()、.duplicated().sum()、fillna()、data.drop()、dropna()、data.rename()
条件筛选	isin()、.between()
类型转化	astype()、pd.to_numeric()
标准化与异常值处理	.mean()、.std()、.quantile()、scaler.fit_transform()
数据集分割与保存	train_test_split()、pd.concat()、data.to_csv()
绘图	data.plot(kind='bar')、data.plot.pie()、plt.scatter()

建模（对应 2.2.x，20 分）

场景	核心 API
模型定义与训练	LogisticRegression、RandomForestRegressor、xgb.XGBRegressor、model.fit()、.dump()
预测与样本平衡	model.predict()、smote.fit_resample()
模型评估	model.score()、mean_squared_error()、r2_score()

图像识别（对应 3.2.x，20 分）

场景	核心 API
模型加载	ort.InferenceSession()
图像处理	Image.open().convert()、cv2.imread()、image.resize()、np.asarray()、np.expand_dims()
模型应用与输出	session.get_inputs()、session.run()、scipy.special.softmax()、np.argsort()、np.argmax()
结果处理与文件操作	list(emotion_table.keys())、open('labels.txt', 'r')、accuracy[0, predicted_idx] * 100、name.strip()、makedirs()