數據科學三分天下，Python占其一。下面，將會介紹7個Python庫，能夠幫助你構建屬于自己的第一個數據科學應用程序。

Numpy

在許多數據科學項目中，陣列是最重要的數據類型。 NumPy是一個支持大量多維數組和矩陣運算的軟件庫，是許多機器學習開發者和研究者的必備工具。它是Python中最基礎的數據科學庫之一。它是大量Python數學和科學計算包的基礎，比如我們后面會講到的pandas庫就用到了NumPy。

Pandas

Pandas庫專門用于數據分析，充分借鑒了Python標準庫NumPy的相關概念。它允許加載、清理和操作數據，能夠對項目進行某種清理和操作。你可以使用SQL等替代方法進行數據操作和數據庫管理，但是Pandas對于希望成為開發人員(或至少是MVP開發人員)的數據科學家來說更簡單、更適用。

Keras 或 PyTorch

目前，兩個主要的深度學習庫Keras和Pytorch獲得了大量關注，因為它們在神經網絡模型的使用比較簡單。這兩個庫能夠讓使用者輕松測試不同的神經網絡架構，甚至構建自己的神經網絡架構。Keras是神經網絡的一個模型計算框架，本身沒有重量計算，支持多個AI框架。Pytorch是一個機器學習框架，比起Keras具有更大的靈活性和控制能力，但又不必進行任何復雜的聲明式編程，如果想深入了解機器學習pytorch庫就是不錯的選擇。

Plotly

Plotly是新一代的Python數據可視化開發庫，它提供了完善的交互能力和靈活的繪制選項。Plotly能繪制不同類型的圖形，與Python中的其他繪圖庫相比，它更專業、更易于使用、更靈活。Plotly將數據可視化提升到一個新的層次。Plotly內置完整的交互能力及編輯工具，支持在線和離線模式，提供穩定的API以便與現有應用集成，既可以在web瀏覽器中展示數據圖表，也可以存入本地拷貝。

SciKitLearn

SciKitLearn專門用于機器學習的模塊，是多種類型的機器學習模型和預處理工具的工具包。它包含了常見的大部分機器學習方法，包括了分類、回歸、無監督、數據降維、數據預處理等等。作為專門面向機器學習的Python開源框架，Scikitlearn可以在一定范圍內為開發者提供非常好的幫助。它內部實現了各種各樣成熟的算法，容易安裝和使用，樣例豐富，而且教程和文檔也非常詳細。

Ipywidgets

為了能讓用戶有更好的體驗，開發者必須在在傳統外觀的用戶界面和基于web的用戶界面之間進行選擇。在進行搭建時，可以使用PyQT或TkInter之類的庫來構建傳統的用戶界。但最好是利用ipywidgets為Jupyter筆記本提供了一組豐富的小部件，開發出可以在瀏覽器上運行的網頁應用程序。

Requests

Requests包用于獲取網站的內容，使用HTTP協議，是公認的python最好上手的http請求庫。

如今，許多數據科學應用程序都使用API(應用程序編程接口)，簡單地說，通過API，你可以請求服務器應用程序為你提供對數據庫的訪問權限或為你執行特定任務。Requests是一個與API對話的庫。如今，不使用API很難成為一名數據科學家。

通過以上的7個Python庫，開發者能夠構建人們使用的數據科學應用程序，如果你能夠精通這些工具，就可以在幾個小時內構建mvp，并通過實際用戶測試想法。在此之后，如果決定擴展應用程序，除了HTML、CSS和JS代碼之外，還可以使用更專業的工具，如Flask和Django。