作为一种免费的，跨平台的，通用的和高级的编程语言，Python已被科学界广泛采用。科学家重视Python的精确和有效的语法，相对平坦的学习曲线以及它与其他语言（例如C / C ++）很好地集成的事实。

由于这种流行，有大量的Python科学软件包可用于数据可视化，机器学习，自然语言处理，复杂数据分析等。所有这些因素使得Python成为科学计算的绝佳工具，也是MatLab等商业软件包的可靠替代品。

以下是最流行的Python科学库和工具列表：

Astropy

http://www.astropy.org

Astropy项目是一系列旨在用于天文学的包。核心熵包包含针对专业天文学家和天体物理学家的功能，但对于开发天文软件的任何人都可能有用。

Biopython

http://biopython.org

Biopython是用于计算生物学和生物信息学的非商业Python工具的集合。它包含表示生物序列和序列注释的类，并且能够读取和写入各种文件格式。

Cubes

http://cubes.databrewery.org

Cubes是一个轻量级的Python框架和一套工具，用于开发报告和分析应用程序，在线分析处理（OLAP），多维分析和聚合数据的浏览。

DEAP

https://github.com/deap

DEAP是一种用于快速原型设计和思想测试的进化计算框架。它结合了实现最常见的进化计算技术所需的数据结构和工具，如遗传算法，遗传编程，进化策略，粒子群优化，差分进化和分布算法估计。

Scoop

http://scoop.readthedocs.org

SCOOP是一个Python模块，用于在各种环境中分配并发并行任务，从异构网格工作站到超级计算机。

PsychoPy

http://www.psychopy.org

PsychoPy是用于神经科学和实验心理学实验的一揽子计划。PsychoPy旨在允许为各种神经科学，心理学和心理物理学实验提供刺激和数据收集。

Pandas

http://pandas.pydata.org

Pandas是一个用于数据处理和分析的库。该库提供了用于操作数值表和时间序列的数据结构和操作。

Mlpy

http://mlpy.sourceforge.net

Mlpy是一个基于NumPy / SciPy（GNU科学库）的机器学习库。Mlpy为监督和非监督问题提供了广泛的机器学习方法，旨在找到模块化，可维护性，可重复性，可用性和效率之间的合理折衷。

matplotlib

https://github.com/matplotlib/matplotlib

Matplotlib是一个python 2D绘图库，可以生成各种硬拷贝格式和跨平台交互式环境的出版物质量数据。Matplotlib允许您生成绘图，直方图，功率谱，条形图，错误图，散点图等。

NumPy

http://www.numpy.org

NumPy是使用Python进行科学计算的基础包，增加了对大型多维数组和矩阵的支持，以及在这些数组上运行的大型高级数学函数库。

NetworkX

http://networkx.github.io

NetworkX是一个用于研究图形的库，可帮助您创建，操作和研究复杂网络的结构，动力学和功能。

TomoPy

http://tomopy.readthedocs.org/en/latest

TomoPy是一个开源的Python工具箱，用于执行层析成像数据处理和图像重建任务。TomoPy为同步加速器层析成像数据的分析提供了一个协作框架，目的是统一不同设施和光束线执行类似任务的工作量。

Theano

http://deeplearning.net/software/theano

Theano是一个数值计算Python库。Theano允许您有效地定义，优化和评估涉及多维阵列的数学表达式。

SymPy

http://www.sympy.org

SymPy是一个用于符号计算的库，包括从基本符号算术到微积分，代数，离散数学和量子物理的各种功能。它提供计算机代数功能，既可以作为独立应用程序，也可以作为其他应用程序的库，也可以在Web上运行。

SciPy

http://www.scipy.org

SciPy是科学家，分析师和工程师用于科学计算和技术计算的库。SciPy包含用于优化，线性代数，积分，插值，特殊函数，FFT，信号和图像处理，ODE求解器以及科学和工程中常见的其他任务的模块。

scikit Learn

http://scikit-learn.org/stable

scikit-learn是一个机器学习库。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度增强，k均值和DBSCAN，旨在与Python数值和科学库NumPy和SciPy互操作。

scikit image

http://scikit-image.org

scikit-image是一个图像处理库。它包括用于分割，几何变换，色彩空间操纵，分析，过滤，形态学，特征检测等的算法。

ScientificPython

http://dirac.cnrs-orleans.fr/plone/software/scientificpython

ScientificPython是科学计算模块的集合。它包含对几何，数学函数，统计，物理单位，IO，可视化和并行化的支持。

SageMath

http://www.sagemath.org

SageMath是一门数学软件，其功能涵盖数学的许多方面，包括代数，组合学，数学数学，数论和微积分。SageMath使用Python，支持过程，功能和面向对象的构造。

Veusz

http://home.gna.org/veusz

Veusz是一个科学的绘图和绘图软件包，旨在生成流行的矢量格式的出版品质图，包括PDF，PostScript和SVG。

graph tool

http://graph-tool.skewed.de

图形工具是用于图形的操纵和统计分析的模块。

SunPy

http://sunpy.org

SunPy是一个数据分析环境，专门提供分析Python中太阳和日光层数据所需的软件。

bokeh

http://bokeh.pydata.org

Bokeh是一个Python交互式可视化库，面向现代Web浏览器进行演示。Bokeh可以帮助任何想要快速轻松地创建交互式图表，仪表板和数据应用程序的人。它的目标是以D3.js的风格提供优雅，简洁的新颖图形构造，同时通过非常大或流式数据集提供高性能交互性。

TensorFlow

https://www.tensorflow.org/

TensorFlow是一个开源软件库，用于跨越一系列任务的机器学习，由Google开发，以满足他们对能够构建和训练神经网络以检测和破译模式和相关性的系统的需求，类似于人类使用的学习和推理。它目前用于Google产品的研究和生产，通常取代其闭源前任DistBelief的作用。

Nilearn

http://nilearn.github.io/

Nilearn是一个Python模块，用于快速简便地统计NeuroImaging数据。Nilearn可以轻松地在神经影像数据上使用许多先进的机器学习，模式识别和多变量统计技术，用于MVPA（多体素模式分析），解码，预测建模，功能连接，脑包裹，连接组等应用。

Dmelt

http://jwork.org/dmelt/

DataMelt或DMelt是一种用于数值计算，统计，分析大数据量（“大数据”）和科学可视化的软件。该计划可用于许多领域，如自然科学，工程，金融市场的建模和分析。DMelt可以与几种脚本语言一起使用，包括Python / Jython，BeanShell，Groovy，Ruby以及Java。

pyton，weka，wrapper

https://pypi.python.org/pypi/python-weka-wrapper

Weka是一套用Java编写的机器学习软件，由新西兰怀卡托大学开发。它包含一组用于数据分析和预测建模的可视化工具和算法，以及用于轻松访问这些功能的图形用户界面。python-weka-wrapper包使得在Python中运行Weka算法和过滤器变得容易。

DASK

http://dask.pydata.org/en/latest/

Dask是一个灵活的分析计算并行计算库，由两部分组成：1）针对计算优化的动态任务调度，针对交互式计算工作负载进行优化; 2）大数据集合，如并行数组，数据帧和扩展NumPy等常见接口的列表，Pandas或Python迭代器到大于内存或分布式环境。

如果错过了好的库？

如果还有什么好的Python库，请记得告诉我呀，我把它添加进来✿✿ヽ(°▽°)ノ✿