Python之所以能夠成為資料分析與挖掘領域的最佳語言，是有其獨特的優勢的。因為他有很多這個領域相關的庫可以用，而且很好用，比如Numpy、SciPy、Matploglib、Pandas、ScikitLearn、Keras、Gensim等     1）Numpy，它給Python提供了真正的陣列功能，包括多維陣列，以及對資料進行快速處理的函式，Numpy還是更多高階擴充套件庫的依賴庫，比如後續的Scipy、Matplotlib、Pandas等，都一樣；     2）Scipy，他讓Python成了半個MATLAB，Scipy提供了真正的矩陣型別，及其大量基於矩陣運算的物件和函式，他包括的功能包括最優化、線性代數、積分、插值、你和、特殊函式、快速傅立葉變換、訊號處理與影象處理、常微分求解方程和其他科學與工程中常用的計算；Scipy依賴於Numpy；     3）Matplotlib，對於Python來說，Matplotlib是最著名的繪相簿，主要是二維繪圖，當然，也可以支援一些簡答的三圍繪圖；     4）Pandas，他是Python下最強大的資料分析和探索工具，沒有之一。他包含的高階的資料結構和精巧的工具，使得在Python中處理資料非常快速和簡單，Pandas構建在NumPy之上，他使得以Numpy為中心的應用很容易使用，Pandas的名稱來自於面板資料（Panel Data）和Python資料分析（Data Analysis），他最初被作為金融資料分析工具而開發出來，由AQR Capital Management公司於2008年4月開發出來，並與2009年底開源；     他的功能非常強大，支援類似於SQL的資料增刪改查，並且帶有豐富的資料處理函式，支援時間序列分析，支援靈活處理確實資料等。Pandas其實很複雜， 夠單獨寫一本書，如果對他有興趣可以看看Pandas主要作者之一 WesMcKinney寫的《利用Python進行資料分析》一書。     5）StatModels，Pandas著眼於資料的讀取、處理和探索，而StatsModels則更加註重資料的統計建模和分析，他使得Python有了R語言的味道。StatModels支援與Pandas的資料互動，因此，他與Pandas結合，成為了Python下強大的資料探勘組合；     6）Scikit-Learn，這是一個和機器學習有關的庫，他是Python下強大的及其學習工具包，他提供了完善的及其學習工具箱，包括：資料預處理、分類、迴歸、聚類、預測和模型分析等。他依賴於NumPy、SciPy、Matplotlib等；     7）Keras，他是用來搭建神經網路的，他並非簡單的神經網路庫，而是一個基於Theano的強大的深度學習庫，利用它不僅僅可以搭建普通的神經網路，還可以搭建各種深度學習模型，如自編碼器、迴圈神經網路、遞迴神經網路、卷積神經網路等。由於它是基於Theano的，速度相當快。     8）Theano，他也是一個Python庫，他是由深度學習專家YoshuaBengio帶領的實驗室開發出來的，用來定義、優化和高效地解決多維陣列對應數學表示式的模擬估計問題。他具有高效地實現符號分解、高度優化的速度、和穩定性等特點，最重要的是還實現了GPU加速，是的密集型資料的處理速度是CPU的十倍；     9）Gensim，topic modelling of humans，他主要用來處理語言方面的任務，如文字相似度計算、LDA、Word2Vec等，這些領域的任務往往需要比較多的背景知識，通常的情況是：研究這方面的讀者已經不需要我再多說什麼，而不研究這方面的讀者，在這裡也說不清楚。