Numpy（Numeric Python）是 高性能科学计算和数据分析 的基础库。

Numpy的核心由 多维数组对象 和用于 处理数组的函数 组成。Numpy提供了N维数组基础操作，数组的算术和逻辑运算，随机数和随机分布，线性代数，统计，傅里叶变换等内置函数。代码简洁且速度快。

Numpy是几乎所有数据分析高级库（比如scipy，pandas）的构建基础。

Scipy是基于Numpy的 科学计算 工具库，方便、易于使用、专为科学和工程设计。

Scipy提供了许多用户友好和高效的高阶方法，如插值，积分，统计，优化，图像处理等等。

Scipy包含Matlab的大多计算功能，和数据处理的关系不大，数值计算或者工程研究应用更多一些。

StatsModels是一个统计库，着重于统计模型。包含了许多的统计模型，线性模型、广义线性模型、
方差分析、和线性混合效用模型等，在统计方面有其独特的优势。可以作为Scipy.stats的补充。

Pandas（Panel Data）是基于NumPy的 数据分析 库。 包含许多数据模型。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集
所需的方法，并且提供了大量能使我们快速便捷地处理数据的内置函数。

Pandas的核心为三种数据结构和操作：

• Series：带索引的一维数组，与Numpy中的一维array类似。
• DataFrame：带索引的二维的表格型数据结构。

老版本有Panel(三维的数组，DataFrame的容器)数据结构，新版本已经废除。

Matplotlib 是一个 2D可视化绘图 库。可以使用这个库轻松地完成线形图、直方图、条形图、误差图或散点图等操作，设置标签、图例、调整绘图大小等。

Numpy，Pandas，Matplotlib被称为Python数据分析三大支柱。

Seaborn是基于Matplotlib的 2D图形可视化 工具包。
Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，个人认为Seaborn的核心意义在于统计绘图，Seaborn的函数主要分为关系、分布、分类统计等几类，统计绘图更加方便，功能更强，而不是取代matplotlib。

Mayavi2是基于VTK开发的可视化python库（更加高效）。Mayavi2旨在提供方便和互动的三维数据可视化。

Mayavi2无缝集成numpy和3D绘图，可以嵌入到用户编写的Python程序中，并且提供了而向脚本的mlab模块，以方便用户快速绘制三维图，和matplotlib的pylab—样。

持续更新及修订升级中。

未经允许请勿转载。