标准：
1、Numpy是数据科学家最常用的库。
这个库的核心是 ndarray 数据结构（Python 没有数组数据结构的标准库，允许程序员实际做数学和科学的事情。它还支持线性代数(但不多)。
2、Scipy 以Numpy为基础。
它为统计、线性代数和微积分提供了很多支持。
3、Scikit-learn是机器学习库。
除了我们日常需要的交叉验证外，它还包含了大多数常见分类器的代码。
4、Pandas。
不同格式的输入需要处理。
5、matplotlib。
一个优秀的数据科学家需要以别人能理解的方式可视化他的结果， matplotlib 这是Python中最好的工具。
6、Cython。
当您需要快速运行代码的某些部分时，Cython 会派上用场。
Jupyter笔记本。
在笔记本中，您可以编写代码、执行代码并查看结果、绘制图形、以纯文本的形式解释事物等。用于原型设计和解释事物。当我找到它时，我喜欢玩它。
计算机视觉相关：
Opencv - 它有大多数你可能需要的传统计算机视觉算法。如果你在做计算机视觉，你真的需要它。
PIL、Pillow - 它主要用于打开图像，但你能做的远不止这些。
以上是python数据科学库的介绍，希望对大家有所帮助。更多Python学习指导：python基础教程
本文教程操作环境：windows7系统Python 3.9.1，DELL G3电脑。