python中常用的库有哪些-Python类库-数据处理
  Python社区已经非常成熟，为我们提供了很多高质量的类库。下面介绍一下与机器学习相关的常见Python类库，如：1.数值计算 NumPy;2.科学计算 SciPy;3.数据分析Pandas。
   
  1.数值计算 NumPy 
  NumPy是 "Numeric "和 "Python "的混合物。顾名思义，它是一个处理数值计算的Python库。为了提升性能，NumPy参照了CPython(用C语言实现的Python及其解释器)的〔制定〕，而CPython本身是用C语言开发的，也就是说，Numpy的数据处理速度与C语言处于同一水平。
  除了提供一些数学运算外，NumPy还提供了与MATLAB(MathWorks公司生产的商业数学软件)类似的函数和操作，同意用户直接有效地操作向量或矩阵。
numpy库需要安装吗
  然而，NumPy被定位为一个基本的数学库，是一个相对低级的Python库。如果你想快速开发可用的程序，你可以使用更高级的库，如：SciPy和Pandas。
  2.科学计算 SciPy 
  SciPy的发音为 "Sigh Pie"，与NumPy相似，是 "Science "和 "Python "的组合。
  "SciPy "建立在 "NumPy "之上，功能更强化大，为求解常微分方程、线性代数、信号处理、图像处理和稀疏矩阵运算提供强大的支持。
  与NumPy相比，NumPy是一个纯粹的数学层面的计算模块，SciPy是一个更高级的科学计算库。例如，如果你想对矩阵进行操作，如果你只使用纯数学的基本模块，你可以在NumPy库中到相应的模块。SciPy库必须要NumPy库的支持。由于这种依赖性，NumPy库应该在SciPy库之前安装。
  3.数据分析Pandas 
  Pandas在这里不是指 "熊猫"，它的全称是 "Python Data AnalysisLibrary"。顾名思义，Pandas是一个Python的数据分析库，也是建立在NumPy库之上的。
  Pandas库提供了处理大型数据集所必须的有效工具，并支持带轴的数据结构，这就避免了
一些因数据不对齐和索引不同而导致的处理错误。关于数据预处理或数据清洗，Pandas提供了处理缺失值、转换、合并和其他类似SQL的功能。这些功能大大减轻了一线机器学习开发的负担。在某种程度上，Pandas是实现数据处理的好工具之一。