参考书籍：python 数据分析与挖掘实践
如果安装的是anaconda 发行版，已自带Numpy. Scipy, Matplotlib, Pandash, Sckit-learn, Kreas 和Gensim 等，下面简单介绍下这边扩展包的，便于使用相关功能时快速查询。
Numpy ：
python 没有提供数组功能，Numpy提供了真正的数据功能，以及对数据进行快速处理的函数，很多库将依赖于它！
Scipy：
依赖于numpy, 提供矩阵支撑，让其有类似Malab的功能，最优化，积分，拟合，信号图像处理，常微分求解和其他科学工程常用的计算。
Matplotlib：
强大的数据可视化工具，作图库。主要用于二位绘图和简单的三维绘图。
Pandas：
强大，灵活的数据分析和探索工具。支持类似于SQL的数据增删查改，丰富的数据处理函数，支持时间序列功能，支持灵活处理缺失数据。基本结构为DataFrame和Series。
SatasModels：
pandas着眼于数据的读取、处理和探索，而StatsModels则更注重用于数据的统计建模分析，类似于R。并支持与Pandas进行数据交互，因此，组合为强大的数据挖掘组合，
Scikit-learn ：
支持回归、分类、聚类等强大的机器学习库。包括数据预处理、分类、回归、聚类、预测和模型分析等。依赖于Numpy，Scipy和Matplotlib。
https://blog.csdn.net/wella_liu/article/details/102860988
Kreas：
深度学习库。弥补scikit-learn所没有包含的神经网络。功能相对强大，但原理又相对简单的模型，在语言处理、图像识别等领域有着重要的作用。
Windows安装较为麻烦，可用GPU加速预算
Gensim：
文本主题模式下的库，可用于文本挖掘。如文本相似度计算，LDA，Word2Vec等，建议在Linux环境下运行。
可架构虚拟机进行操作。
