Python 是一種開源程式語言，用於 Web 編程、數據科學、人工智慧和許多科學應用。學習 Python 使程式設計師能夠專注於解決問題，而不是專注於語法，其豐富的庫賦予它完成偉大任務所需的力量。
1. IDLE安裝 Python 時，默認情況下也會安裝 IDLE。這是比較好的Python工具之一。這使得在 Python 中入門變得非常簡單。它的主要功能包括Python shell 窗口(交互式解釋器)、跨平臺(Windows、Linux、UNIX、Mac OS X)、智能縮進、代碼著色、自動提示、可以實現斷點提示、單步執行等調試功能的基本集成調試器。IDLE 易於學習，因為它重量輕且易於使用。但是，它並不是大型項目的最佳選擇。
2. Scikit-learnscikit-learn是一個建立在Scipy基礎上的用於機器學習的Python模塊。在不同的應用領域中，已經大展出為數眾多的基於Scipy的工具包，他們統稱為Scikits。而在所有的分支版本中，scikit-learn是最有名的，是開源的，任何人都可以免費地使用這個庫或者進行二次開發。
這是小編準備的python基礎學習資料,關注，轉發，私信小編「01」即可免費領取！
scikit-learn包含眾多頂級機器學習算法，主要有六大基本功能，分別是分類、回歸、聚類、數據降維、模型選擇和數據預處理。scikit-learn擁有非常活躍的用戶社區，基本上其所有的功能都有非常詳盡的文檔供用戶查閱。可以研讀scikit-learn的用戶指南及文檔，對其算法的使用有更充分的了解。
3. TheanoTheano是一個較為老牌和穩定的機器學習python庫之一。Theano基於Python擅長處理多維數組(緊密集成了Numpy)，屬於比較底層的框架，theano起初也是為了深度學習中大規模人工神經網絡算法的運算所設計，我們可利用符號化式語言定義想要的結果，接著theano會對我們的程序進行編譯，使其高效運行於GPU或CPU，它非常適合深度學習Python。
4. SeleniumSelenium 是自動化的最佳 python 工具之一。它屬於 Python 測試的自動化。它在 Web 應用程式中用於自動化框架。使用Selenium，我們可以用許多程式語言編寫測試腳本，包括Java、C#、python、ruby以及程式設計師和新手將要使用的許多其他語言。你還可以集成 Junit 和 TestNG 等鈾工具來管理測試用例並生成報告。
5. Test complete它是支持 Web、移動和桌面自動化測試的自動化比較好的Python 工具之一。它支持單元測試、功能測試、回歸測試、分布式測試、數據驅動測試、HTTP負載測試、Web測試、人工測試等類型的測試，支持5種腳本語言編寫VBScript、JScript、C++ Script、DelphiScript、C#Script，支持SVN、VSS等代碼控制系統，並且支持Bugzilla等缺陷跟蹤系統。
6. Beautiful soupBeautiful Soup 是用Python寫的一個HTML/XML的解析器，它可以很好的處理不規範標記並生成剖析樹(parse tree)。它提供簡單又常用的導航(navigating)，搜索以及修改剖析樹的操作,它能夠通過你喜歡的轉換器實現慣用的文檔導航，查找，修改文檔的方式,簡單的說，它可以大大節省你的編程時間
7. Pandaspandas 是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。提供了大量能使我們快速便捷地處理數據的函數和方法，為 Python 程式語言提供最佳、高性能的工作以及易於使用的數據結構和數據分析工具。
8. Pulp線性規劃是研究線性約束條件下線性目標函數的極值問題的數學理論和方法。Python中有許多第三方的工具可以解決這類問題，這裡介紹常用的pulp工具包。pulp能夠解包括整數規劃在內的絕大多數線性規劃問題，並且提供了多種solver，每種solver針對不同類型的線性規劃問題有更好的效果。而且puLP可以生成 LP 文件，並調用高度優化的solvers、GLPK、COIN CLP/CBC、CPLEX 和 GUROBI 來解決這些線性問題。
*聲明：本文於網絡整理，版權歸原作者所有，如來源信息有誤或侵犯權益，請聯繫我們刪除或授權事宜。
覺得不錯，點個「在看」然後轉發出去