python核心库和统计
简述
1. Requests。最着名的http库由kenneth reitz编写。这是每个python开发人员必备的。
2. Scrapy。如果您参与webscraping，那么这是一个必备的库。使用此库后，您将不会使用任何其他库。
3. wxPython。python的gui工具包。我主要使用它代替tkinter。你真的很喜欢它。
4. Pillow.。PIL（Python Imaging Library）的友好分支。它比PIL更加用户友好，对于使用图像的人来说是必须的。
5. SQLAlchemy。一个数据库库。许多人喜欢它，很多人都讨厌它。这是你的选择。
6. BeautifulSoup。我知道它很慢但是这个xml和html解析库对初学者非常有用。
7. Twisted.。任何网络应用程序开发人员最重要的工具。它有一个非常漂亮的api，并被许多着名的python开发人员使用。
8. NumPy。我们怎么能离开这个非常重要的图书馆？它为python提供了一些先进的数学功能。
9. SciPy。当我们谈论NumPy时，我们不得不谈论scipy。它是python的算法和数学工具库，并使许多科学家从ruby切换到python。
10. matplotlib。数字绘图库。它对任何数据科学家或任何数据分析器都非常有用。
11. Pygame。哪个开发人员不喜欢玩游戏并开发它们？该库将帮助您实现2D游戏开发的目标。
12. Pyglet。3d动画和游戏创作引擎。这是在著名的发动机蟒口的Minecraft制成
13. pyQT。一个用于python的GUI工具包。这是我在wxpython之后为我的python脚本开发GUI的第二选择。
14. pyGtk。另一个python GUI库。它是创建着名Bittorrent客户端的同一个库。
15. Scapy。用python编写的python数据包嗅探器和分析器。
16. pywin32。一个python库，它提供了一些与windows交互的有用方法和类。
17. nltk。自然语言工具包 - 我意识到大多数人不会使用这个，但它足够通用。如果你想操纵字符串，它是一个非常有用的库。但它的容量超出了这个范围。检查一下。
18. nose.。python的测试框架。它被数百万python开发人员使用。如果你做测试驱动开发，这是必须的。
19. SymPy。SymPy可以进行代数评估，区分，扩展，复数等。它包含在纯Python发行版中。
20. IPython。我无法强调这个工具有多么有用。这是类固醇的python提示。它具有完成，历史，shell功能等等。确保你看一下
详细介绍
1. NumPy
2. SciPy
3. Pandas
4. StatsModels
可视化
5. Matplotlib
6. Seaborn
7. Plotly
8. Bokeh
9. Pydot
机器学习
10. Scikit-learn
11. XGBoost / LightGBM / CatBoost
12. Eli5
深度学习
13. TensorFlow
14. PyTorch
15. Keras
分布式深度学习
16. Dist-keras / elephas / spark-deep-learning
自然语言处理
17. NLTK
18. SpaCy
19. Gensim
数据抓取
20. Scrapy