⾸先，为什么还要为GIS使⽤Python库
1.Arcpy
如果您使⽤Esri ArcGIS，那么您可能对ArcPy库很熟悉。ArcPy适⽤于地理处理操作。但这不仅⽤于空间分析，还⽤于使⽤Esri ArcGIS进⾏数据转换，管理和地图制作。
geopandas就像pandas与GIS相遇。但是，geopandas库不是直接进⾏表格分析，⽽是添加了地理成分。对于覆盖操作，geopandas使⽤Fiona和Shapely，它们是⾃⼰的Python库。3.GDAL / OGR
GDAL / OGR库⽤于GIS格式和扩展之间的转换。QGIS，ArcGIS，ERDAS，ENVI和GRASS GIS以及⼏乎所有GIS软件都以某种⽅式使⽤它进⾏格式转换。⽬前，GDAL / OGR⽀持97个⽮量和162个光栅驱动器。
4.RSGISLib
所述RSGISLib库是⼀组遥感⼯具光栅处理和分析。仅举⼏例，它对图像进⾏分类，过滤和统计。我个⼈最喜欢的是⾯向对象的分割和分类（GEOBIA）的模块。
5.PyProj
PyProj库的主要⽬的是如何与空间参考系统⼀起使⽤。它可以使⽤⼀系列地理参考系统投影和变换坐标。PyProj还可以对任何给定的基准进⾏⼤地测量和距离计算。
numpy库需要安装吗⽤于数据科学的Python库
数据科学从数据中提取见解。它需要数据并尝试使其有意义，例如通过以图形⽅式绘制数据或使⽤机器学习。Python库列表可以为您完成此操作。
6.NumPy
Python（NumPy库）获取您的属性表并将其放⼊结构化数组中。⼀旦以结构化阵列的形式出现，对于任何科学计算⽽⾔，它都将更快。最好的事情之⼀是如何与其他Python库（例如SciPy）⼀起进⾏繁重的统计操作。
7.Pandas
该pandas库是数据分析⾮常受欢迎。这不仅适⽤于统计⼈员。但是它在GIS中也⾮常有⽤。计算性能是pandas的关键。pandas的成功在于其数据框架。数据帧经过优化以处理⼤数据。它们经过了优化，以⾄于Microsoft Excel甚⾄⽆法处理。
8.Matplotlib
当您使⽤成千上万的数据点时，有时最好的办法就是将其全部绘制出来。输⼊matplotlib。统计⼈员使⽤
matplotlib库进⾏视觉显⽰。Matplotlib可以完成所有⼯作。它绘制图形，图表和地图。即使拥有⼤数据，它在处理数字⽅⾯也很不错。
9.Scikit
最近，机器学习⼀直是热门话题。并且有充分的理由。Scikit是⼀个启⽤机器学习的Python库。它内置在NumPy，SciPy和matplotlib中。因此，如果您想进⾏任何数据挖掘，分类或ML预测，Scikit库是⼀个不错的选择。
10.Re（正则表达式）
正则表达式（Re）是最终的过滤⼯具。当您要在表中查特定的字符串时，这就是您要使⽤的库。但是您可以更进⼀步，例如检测，提取和替换为模式匹配。
11.ReportLab
ReportLab是此列表中最令⼈满意的库之⼀。我之所以这样说，是因为GIS通常缺乏⾜够的报告功能。尤其是，如果您要创建报告模板，那么这是个很棒的选择。我不知道为什么ReportLab库有点不受欢迎，因为它不应该。