一个单文件、可搜索、离线可用的 Python 数据科学函数速查手册，覆盖四大库：
| 库 | 函数数 | 分类数 |
|---|---|---|
| NumPy | 142 | 11 |
| pandas | 127 | 13 |
| scikit-learn | 81 | 12 |
| PyTorch | 124 | 14 |
| 合计 | 474 | 50 |
每个词条包含：函数签名 + 中文说明 + 最小示例代码 + 运行输出，面向量化金融与数据科学场景（动量策略、回测防前视偏差、缺失值清洗、时序交叉验证、组内滚动等金融常用姿势都标了出来）。
直接下载 cheatsheet.html 双击打开即可——无任何依赖、无需联网、无外部 JS/CSS。
功能：
- 🔍 实时搜索（函数名 / 中文说明 / 分类，支持中英文混合），按
/聚焦搜索框，Esc清空 - 🏷️ 按库切换（全部 / NumPy / pandas / scikit-learn / PyTorch）
- 📋 悬停卡片出现"复制"按钮，一键复制示例代码
- 🌙 深色 / 浅色模式切换（记忆偏好）
- 🧭 左侧分类目录导航
词条数据维护在各 data_*.py 中，格式为 (函数名, 签名, 中文说明, 示例代码, 输出)：
("np.sign", "np.sign(x)", "符号函数：正→1，负→-1，零→0（动量策略仓位生成核心）",
"np.sign([0.5, -0.5])", "array([ 1., -1.])"),改完数据后重建 HTML：
python build_html.py # → cheatsheet.html加新库：新建 data_xxx.py（含 LIB_NAME / LIB_ID / DATA），在 build_html.py 的 LIBS / LIB_META 注册即可。
不追求穷举全部 API（NumPy 有 600+ 函数、pandas 有 500+ 方法），而是覆盖实际数据分析和量化工作流中高频出现的核心函数，并给出可直接运行的最小示例。官方全量文档请见：
- NumPy: https://numpy.org/doc/stable/
- pandas: https://pandas.pydata.org/docs/
- scikit-learn: https://scikit-learn.org/stable/api/
- PyTorch: https://docs.pytorch.org/docs/stable/index.html
MIT