标准：
1、Numpy是数据科学家最常用的库。
这个库的核心是 ndarray 数据结构（Python 的标准库没有数组数据结构），它允许程序员实际做数学和科学的事情。它还对线性代数有一些（但不多）支持。
2、Scipy 建立在Numpy之上。
它对统计、线性代数和微积分提供了大量支持。
3、Scikit-learn是机器学习库。
除了我们日常需要的交叉验证之外，它还包含大多数常见分类器的代码。
4、Pandas。
需要处理不同格式的输入。
5、matplotlib。
一个优秀的数据科学家需要以其他人可以理解的方式可视化他的结果，而 matplotlib 是Python中最好的工具。
6、Cython。
当您需要让代码的某些部分快速运行时，Cython 会派上用场。
Jupyter笔记本。
一个笔记本，您可以在其中编写代码、执行代码并查看结果、绘制图形、以纯文本形式解释事物等。用于原型设计和解释事物。当我找到它时，我很喜欢玩它。
计算机视觉相关：
Opencv - 它具有您可能需要的大多数传统计算机视觉算法。如果你在做计算机视觉，真的需要。
PIL、Pillow - 主要用于打开图像，但您可以做的远不止这些。
以上就是python数据科学库的介绍，希望对大家有所帮助。更多Python学习指路：python基础教程
本文教程操作环境：windows7系统、Python 3.9.1，DELL G3电脑。
