NumPy代表數值Python。NumPy最強大的功能是n維陣列。該庫還包含基本的線性代數函式，傅立葉變換，高階的隨機數功能，以及整合其他低階語言如Fortran，C和C++的工具。

SciPy代表科學的Python。SciPy是基於NumPy的。它是最有用的庫之一，具有各種高層次的科學和工程模組，如離散傅立葉變換，線性代數，優化和稀疏矩陣。

Matplotlib用於繪製各種各樣的圖表，從直方圖到線圖，再到熱圖。你可以在IPython notebook中使用PyLab（IPython notebook–PyLab = inline）以此使用這些繪圖功能的inline。如果你忽略inline選項， PyLab 會將IPython notebook環境轉換成類似於Matlab的環境。你也可以使用 Latex命令將math庫新增到您的繪圖中。

Pandas對於結構化資料操作和控制。它廣泛用於資料再加工和資料準備。Pandas說最近一直在推動對Python Python的使用資料科學家共同體的工具。

Scikit Learn機器學習庫。建立在NumPy、SciPy和matplotlib的基礎上，這個庫包含了機器學習和統計模型包括分類、迴歸、聚類和降維等很多有效的工具。

Statsmodels用於統計建模。statsmodels是一個Python模組，允許使用者探索資料，估計統計模型，並進行統計檢驗。一個廣泛的描述性統計，統計檢驗的列表。繪圖功能，和結果統計可用於不同型別的資料和每個估計。

Seaborn用於統計資料的視覺化。Seaborn是Python中用來繪製讓人喜歡的並能提供大量資訊的統計圖形庫。它是基於matplotlib。Seaborn旨在使視覺化成為探索和理解資料的核心部分。

Bokeh建立互動式圖、儀表盤和現代Web瀏覽器上的資料應用。它允許使用者生成的優雅和簡潔的d3.js風格的圖形。此外，在非常大的或流媒體資料集上，它具有高效能的互動性的能力。

Blaze擴充套件NumPy和Pandas的分散式和流媒體資料集。它可以用來訪問來自多種來源的資料，包括bcolz，MongoDB，SQLAlchemy，Apache Spark, PyTables等等，結合Bokeh，Blaze可以作為一個非常強大的工具，用於對大規模資料建立高效的的視覺化和儀表板。

Scrapy用於網路爬蟲。它是用於獲取特定資料模式的一個非常有用的框架，。它可以通過開始的一個網站主頁的網址，然後通過挖掘網頁內的網站收集資訊。

SymPy用於符號計算。它具有廣泛的功能，從基本的符號運算到微積分，代數，離散數學和量子物理學。另一個有用的功能是將計算的結果格式化為LaTeX碼的能力。

Requests用於訪問網路。它的工作原理類似於Python標準庫urllib2，但是更容易編碼。但對於初學者，你會發現和urllib2細微的差別，Requests可能更方便。

os 用於作業系統和檔案操作

networkx和 igraph基於資料操作繪製圖形

regular expressions 用於在文字資料中查詢模式

BeautifulSoup將探索Web。

參考資料

http://mp.weixin.qq.com/s?__biz=MjM5NzU0MzU0Nw==&mid=2651371748&idx=1&sn=c8cfde96954ff35ddfb9938281e047f9&scene=1&srcid=0914qtEMo2TCIPDqZ2E2eMqq#rd