一、核心基础库

1. NumPy

定位

数值计算底层基石

负责

高效处理数组、矩阵、数值运算

用途

2. Pandas（最重要）

定位

数据分析核心工具

负责

表格数据处理（Excel 表、CSV、数据库数据）

用途

3. Matplotlib

定位

基础可视化库

负责

绘制静态图表

用途

折线图、柱状图、散点图、直方图、子图

特点

自由度极高，但代码稍繁琐

4. Seaborn

定位

统计可视化库（Matplotlib 升级版）

负责

美观、简洁的统计图表

用途

热力图、箱线图、小提琴图、分布图、相关性图

特点

代码少、颜值高、专门服务数据分析

二、高阶可视化/机器学习库

1. Plotly

定位

交互式可视化

负责

可缩放、可悬浮查看数据的图表

用途

做报告、看板、动态图表

6. SciPy

定位

科学计算

负责

高级数学算法

用途

统计学检验、插值、积分、信号处理

7.PyEcharts

定位

交互式可视化图表库（对标 ECharts，百度开源）

负责

做好看、可交互、适合展示的图表

特点

图表种类极多：折线、柱状、饼图、地图、雷达图、仪表盘等

8. Scikit-learn

定位

机器学习基础库

负责

数据建模、预测分析

用途

回归、分类、聚类、特征工程、模型评估

做数据分析、清洗、计算→ 用 Pandas

各个库都有自己试用的场景，协作完成数据的加载，分析，可视化等任务