1. python中數據結構：矩陣，數組，數據框，通過關鍵列相互聯系的多個表（SQL主鍵，外鍵），時間序列

2. python 解釋型語言，程序員時間和CPU時間衡量，高頻交易系統

3. 全局解釋器鎖GIL， Global Interpreter Lock防止解釋器同時執行多個python字節碼指令的機制

Cpython 可以繼承OpenMP 實行並行處理循環而大幅度提高數值算法的速度

4. Numpy， pandas，matplotlib，Ipython，Scipy

Numpy：Python科學計算基礎庫，作為在算法之間傳遞數據的容器，Numpy數組比python內置數據結構更高效，低級語言如C可以直接操作Numpy數組中數據

• 快速高效的多維數組對象ndarray
• 對數組元素和數組整體進行數學運算
• 用於讀寫硬盤上基於數組的數據集工具
• 線性代數，傅裏葉變換，隨機數生成
• C， C++， Fortran代碼集成到python工具

pandas：處理結構化數據的大量數據結構和函數

• 精確的索引，重塑，切片，切塊，聚合，選取子集
• 高性能時間序列功能和工具

matplotlib：最流行的繪制數據圖表的庫

Ipython：增強的Python Shell， 為交互式和探索式計算提供了一個強健和高效的環境

• 交互式數據處理和繪圖
• 類似於Mathematica 的HTML筆記本，通過Web瀏覽器連接Ipython
• 基於Qt框架的GUI控制臺，含有繪圖，多行編輯，語法高亮
• 交互式並行和分布式計算的基礎架構

Scipy：科學計算工具包

• scipy.integrate: 數值積分和微分方程求解器
• scipy.linalg: 擴展了由numpy.linalg提供的線性代數例程和矩陣分解
• scipy.optimize: 函數優化器以及根查找算法
• scipy.signal: 信號處理工具
• scipy.sparse: 系數矩陣和系數線性系統求解
• scipy.stats: 標準連續和離散概率分布，統計檢驗等
• scipy.weave: 利用內聯C++代碼加速數組計算的工具

[讀書筆記] Python數據分析 （一） 準備工作