numpy 科学计算的基础包
(1)快速高效多维的数组对象ndarray
(2)对数组执行元素级的计算以及直接对数组执行数学运算的函数
(3)读写硬盘上基于数组的数据集的工具
(4)线性代数运算，傅里叶变换，以及随机数生成
(5)将C、C++、Fortran代码集成到python
scipy 专门解决科学计算中各种标准问题域的模块的集合SciPy
主要包含了 8 个模块，不同的子模块有不同的应用，如插值、积分、优化、图像处理和特殊函数等。scipy.integrate 数值积分例程和微分方程求解器。
scipy.linalg 扩展了由 numpy.linalg 提供的线性代数例程和矩阵分解功能。
scipy.optimize 函数优化器（最小化器）以及根查找算法。
scipy.signal 信号处理工具。scipy.sparse 稀疏矩阵和稀疏线性系统求解器。
scipy.special SPECFUN（这是一个实现了许多常用数学函数的 Fortran 库）的包装器。
scipy.stats 检验连续和离散概率分布、各种统计检验方法，以及更好的描述统计法。
scipy.weave 利用内联 C++代码加速数组计算的工具。
pandas 数据分析核心库
提供了一系列能够快速、便捷地处理结构化数据的数据结构和函数。高性能的数组计算功能以及电子表格和关系型数据库（如 SQL）灵活的数据处理功能。复杂精细的索引功能，以便便捷地完成重塑、切片和切块、聚合及选取数据子集等操作。
matplotlib 绘制数据图表的python库
Python的2D绘图库，非常适合创建出版物上用的图表。操作比较容易，只需几行代码即可生成直方图、功率谱图、条形图、错误图和散点图等图形。提供了pylab的模块，其中包括了NumPy和pyplot中许多常用的函数，方便用户快速进行计算和绘图。交互式的数据绘图环境，绘制的图表也是交互式的。
scikit-learn 据挖掘和数据分析工具
简单有效，可以供用户在各种环境下重复使用。封装了一些常用的算法方法。基本模块主要有数据预处理、模型选择、分类、聚类、数据降维和回归 6 个，在数据量不大的情况下，scikit-learn可以解决大部分问题。