pythonの科学技術計算やデータ分析、一般的に使用されるライブラリ

1. numpyの
   numpyのは、最も強力なn次元配列である、ライブラリは、基本的な線形代数関数から成る、フーリエ変換、ランダム関数、及び（例えばのFortran、C、およびC ++のような）他の低レベル言語統合ツール。
2. scipyのダウンロード
   scipyのダウンロードがnumpyの基盤を構築し、それが最も有用なライブラリ離散フーリエ変換、線形代数、最適化とスパース行列や他の高レベルの科学と工学モジュールの一つです。
3. matplotlibのは、
   主に図のヒストグラムから、様々なグラフィックスを描画するために使用matplotlibの、図の熱は、また、コマンドは、画像内の数学記号をラテックス追加するために使用されてもよいです。
4. PANDAS
   パンダは主に算術演算及び構造化データのために使用される、広くソートデータとPythonコミュニティの科学的データの使用を改善するために役立つ前処理のために使用されます。
5. Scikit
   機械学習のために使用され、ライブラリがnumpyの、scipyのダウンロードとmatplotlibの基盤の上に構築されていScikitは主に、そのような分類、回帰、クラスタリングと次元削減など、多くの効率的な機械学習と統計モデリングツールが含まれています。
6. Statsmodels
   統計的モデリングのためのStatsmodels。Statsmodelsは、ユーザーがPythonでデータを統計モデルを推定し、統計的なテストモジュールを実行探る提供します。記述統計、統計的検定、および異なるタイプのデータの統計的なマッピング機能の結果のために使用することができます。
7. Seaborn
   データ可視化のためのSeaborn。Seabornは魅力的で有益な統計グラフィックスライブラリを作成するためのPythonです。これは、matplotlibのに基づいています。Seabornは、組成物の視覚的なデータ探索と理解の中核になることを目指しています。
8. ボケ
   ボケは、最新のWebブラウザ上でインタラクティブなチャート、ダッシュボード、およびデータ・アプリケーションを作成するために使用されます。これは、スタイル生成グラフィックスのユーザーD3.jsエレガントなシンプルさを提供します。また、大規模または高性能ストリーミング・データ・セットと相互作用する能力を持っています。
9. ブレイズ
   ブレイズ及び能力パンダnumpyのは、分散ストリーミングデータとセットに拡張しました。これは（Bcolz、MongoDBは、SQLAlchemyの、Apacheのスパークを含む多数の供給源からのアクセスに使用することができ 、PyTables データ等）。一緒にボケ、ブレイズを持つ巨大なデータブロックに効果的な可視化とダッシュボードを作成するための強力なツールとして。
10. Scrapyの
    ウェブクローラー用のscrapy。これは、特定のパターンデータは非常に便利なフレームワークで取得することです。これは、ホームURLから開始し、その後、情報を収集するために、サイト内のWebコンテンツをタップします。
11. SymPy
    記号計算のためのSymPy。これは、基本的な算術演算からシンボリック微積分、代数、離散数学と量子物理学への機能の広い範囲を持っています。もう1つの便利な機能はLaTeXコードとしてフォーマット計算結果です。
12. 要求し
    たWebアクセスのリクエストを。これは、標準のPythonライブラリurllib2のに似ていますが、コードが容易になります。あなたは微妙な違いとurllib2のでしょうが、初心者のために、要求がより便利かもしれません。