前言
Python 拥有许多强大的扩展包，为 Web 开发者、数据分析从业人员、机器学习工程师，快速构建模型提供便利。
1、Web、爬虫、打包工具
Django
Django 是最通用的 Web 开发框架之一，可以帮助开发者从零创造一个全功能的大型 Web 应用程序。
Flask
Flask 是一个轻量级的 WSGI Web 应用框架，适合搭建轻量级的 Web 应用程序；容易上手，被广大 Python 开发者所喜爱。
FastAPI
FastAPI 是一个现代、高性能 Web 框架，用于构建 APIs，基于 Python 3.6 及以上版本。
最大特点：快！性能极高，可与 Node.js、Go 媲美。
基于 Starlette 和 Pydantic，是 FastAPI 如此高性能的重要原因。还具备代码复用性高、容易上手、健壮性强的优点。
FastAPI 还有一个非常强的优势：方便的 API 调试，生成 API 文档，直接能够做到调试自己构建的 API，这在实际应用中，价值凸显。
Requests
Requests 生成、接受、解析一个 HTTP 请求，使用 Requests 做这些事情都非常简单。
lxml
lxml 是 Python 很好用的处理 XML 和 HTML 数据的库。
Pillow
Pillow 是一个编辑图像的处理库。可用来创建复合图像、应用过滤器、修改透明度、转换图像文件类型等。
PyInstaller
PyInstaller 能将一个应用程序打包为独立可执行的文件。比如 Windows 下打包为 EXE 文件。
Pydantic
FastAPI 基于 Pydantic，Pydantic 主要用来做类型强制检查。参数赋值，不符合类型要求，就会抛出异常。
对于 API 服务，支持类型检查非常有用，会让服务更加健壮，也会加快开发速度。开发者再也不用自己写一行一行的代码，去做类型检查。
2、数据分析、机器学习和深度学习包和框架
NumPy
NumPy 是基于 Python 的开源数值计算扩展库，用来存储和处理大型矩阵。
相比于 Python 自身的嵌套列表（nested list structure）结构要高效得多。
主要功能包括：
- N 维数组对象 Array；
- 成熟的广播机制；
- 能够解决线性代数、随机数生成数相关问题。
SciPy
SciPy 基于 Python，是用于数学计算的工具包。
Pandas
Pandas 是 Python 中，功能强大的数据分析库。提供关于数据分析高级的数据结构，各种各样的分析工具，确保整个数据处理的过程更加容易。
Pandas 两大数据结构：
- 一维 Series；
- 二维 DataFrame。
Matplotlib
Matplotlib 是 Python 中非常强大的 2D 绘图工具。提供方便易用的绘图接口，能使用在 Python 脚本，IPython shell、Jupyter Notebook、Web 应用服务器等。
Seaborn
Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，提供绘制更加高层和优美的图形接口。
scikit-learn
scikit-learn 是适用于数据处理和机器学习处理非常强大的库。提供数据降维、回归、聚类、分类等功能，是机器学习从业者的必备库之一。
TensorFlow
TensorFlow 由 Google 与 Brain Team 合作开发，是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。
节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
PyTorch
PyTorch 是使用 GPU 和 CPU 优化的深度学习张量库，也是深度学习的重要的一个库。
