小李：嘿，老张，最近我在大连的科研项目中遇到了一些问题，想跟你聊聊。

老张：哦？什么问题？

小李：我们正在开发一个科研管理系统，但数据处理速度有点慢，你有什么建议吗？

老张：你可以考虑用Python来优化这部分。Python有很强的数据处理库，比如Pandas和NumPy，可以大幅提升效率。

小李：那具体怎么操作呢？能给我看个例子吗？

老张：当然可以。比如，我们可以用Pandas来读取CSV文件，并进行快速筛选和统计。

小李：那代码是怎样的？

老张：我给你写一段示例代码：

    import pandas as pd

    # 读取数据
    df = pd.read_csv('research_data.csv')

    # 筛选特定条件的数据
    filtered_df = df[df['status'] == 'completed']

    # 计算平均值
    average_value = filtered_df['score'].mean()

    print(f"平均分数为: {average_value}")
    

小李：这看起来不错！那如果数据量很大怎么办？

老张：可以使用Dask或者PySpark来处理大规模数据，它们支持分布式计算，适合大连这类科研机构的大数据场景。

小李：明白了，谢谢你的帮助！

老张：不客气，有问题随时找我。