以下按類別列舉10個常用Python包，并以一句話概括其核心作用：
一、數據分析與科學計算
- NumPy：提供高性能多維數組及數學運算，是數值計算的基礎庫。
- Pandas：通過DataFrame結構實現高效表格數據清洗、分析與處理。
- SciPy：基于NumPy的科學計算庫，包含線性代數、積分等高級算法。
- Statsmodels：專注統計建模，支持回歸分析、假設檢驗等統計任務。
- SymPy：符號數學計算庫，可進行公式推導、符號積分等符號運算。
- Dask：支持并行計算，能處理超內存的大數據集，兼容NumPy/Pandas接口。
- Xarray：擴展NumPy，用于處理帶標簽的多維科學數據（如氣象、海洋數據）。
- PyMC3：概率編程庫，用于貝葉斯建模與統計推斷。
- Numba：通過即時編譯加速Python數值代碼，接近C語言速度。
- Blaze：統一接口訪問多種數據源（CSV、數據庫等），簡化大數據操作。
二、Web開發
- Django：全功能Web框架，內置ORM、Admin后臺等，適合大型項目開發。
- Flask：輕量級Web框架，核心簡潔，可通過擴展按需添加功能。
- FastAPI：高性能異步API框架，自動生成文檔，支持類型提示。
- Tornado：異步非阻塞Web框架，適合高并發場景（如實時服務）。
- Pyramid：靈活的Web框架，兼顧簡單項目與復雜應用的開發需求。
- Bottle：微型Web框架，單文件設計，適合小型API與輕量應用。
- CherryPy：面向對象Web框架，可將Python類直接映射為Web接口。
- Sanic：基于異步IO的高性能Web框架，語法接近Flask。
- Falcon：輕量API框架，專注性能，適合構建高吞吐量后端服務。
- Quart：異步Web框架，兼容Flask語法，支持ASGI協議。
三、機器學習與人工智能
- scikit-learn：集成經典機器學習算法，支持分類、回歸、聚類等全流程。
- TensorFlow：Google開源深度學習框架，適合構建復雜神經網絡與生產部署。
- PyTorch：Meta推出的動態圖深度學習框架，靈活易用，適合科研與快速迭代。
- Hugging Face Transformers：提供BERT、GPT等預訓練模型，簡化NLP任務開發。
- Keras：高層深度學習API，可基于TensorFlow/PyTorch等后端快速構建模型。
- XGBoost：高效梯度提升樹庫，在分類、回歸任務中性能優異，常用于競賽。
- LightGBM：微軟開源的梯度提升框架，訓練速度快，支持大規模數據。
- spaCy：工業級NLP庫，支持分詞、命名實體識別等，模型精度高。
- Gensim：專注主題建模與詞向量（如Word2Vec），適合文本挖掘。
- CatBoost：Yandex推出的梯度提升庫，原生支持類別特征，減少預處理工作。
四、數據可視化
- Matplotlib：基礎繪圖庫，支持線圖、柱狀圖等，可高度定制圖表細節。
- Seaborn：基于Matplotlib的統計可視化庫，默認樣式美觀，適合展示數據分布。
- Plotly：交互式可視化庫，生成可縮放、懸停的圖表，支持導出為HTML。
- Bokeh：專注交互式Web繪圖，可構建實時更新的可視化儀表盤。
- Altair：聲明式可視化庫，用簡潔代碼定義圖表，自動處理交互邏輯。
- ggplot：復刻R語言ggplot2風格，通過“圖層”疊加構建復雜圖表。
- PyVista：3D可視化庫，支持三維網格、點云等科學數據的三維展示。
- NetworkX：用于繪制與分析復雜網絡（如社交關系圖、知識圖譜）。
- Geopandas：擴展Pandas，支持地理空間數據（如地圖）的處理與可視化。
- Pygal：生成SVG格式動態圖表，支持交互與動畫效果。
五、網絡與爬蟲
- Requests：簡潔的HTTP庫，輕松發送GET/POST請求，處理響應數據。
- Beautiful Soup：解析HTML/XML文檔，通過標簽、類名快速提取網頁數據。
- Selenium：模擬瀏覽器行為（點擊、輸入等），用于爬取動態加載內容。
- Scrapy：高性能爬蟲框架，支持分布式爬取、數據管道與反爬處理。
- lxml：高效XML/HTML解析庫，結合了Beautiful Soup的易用性與C語言速度。
- Urllib3：功能完善的HTTP客戶端庫，支持連接池、重試等高級特性。
- PySpider：分布式爬蟲系統，集成爬取、解析、存儲功能，帶WebUI。
- RoboBrowser：模擬瀏覽器表單提交與會話管理，無需真實瀏覽器。
- MechanicalSoup：簡化網頁交互，自動處理表單、鏈接等元素。
- Feedparser：解析RSS/Atom訂閱源，提取文章標題、內容等信息。
六、圖像處理
- Pillow：Python圖像處理基礎庫，支持格式轉換、裁剪、濾鏡等操作。
- OpenCV：開源計算機視覺庫，支持圖像識別、目標跟蹤、人臉識別等高級功能。
- Scikit-image：基于SciPy的圖像處理庫，提供邊緣檢測、分割等算法。
- Mahotas：專注計算機視覺的算法庫，包含特征提取、形態學操作等。
- SimpleITK：醫學圖像處理庫，支持DICOM格式、圖像配準等專業功能。
- Pygame：結合圖像與音頻處理，常用于2D游戲開發與簡單動畫制作。
- Wand：基于ImageMagick的圖像處理庫，支持復雜格式轉換與特效。
- PyCairo：2D矢量圖形繪制庫，可生成PDF、SVG等格式的高質量圖形。
- imageio：讀寫多種圖像/視頻格式（如GIF、MP4），支持幀提取。
- imgaug：圖像增強庫，用于生成帶噪聲、旋轉等變化的訓練數據。
七、其他常用工具
- SQLAlchemy：ORM工具，通過Python類操作數據庫，兼容MySQL、PostgreSQL等。
- PyTest：靈活的單元測試框架，支持參數化、 fixtures 等高級測試功能。
- Celery：分布式任務隊列，用于處理異步任務（如郵件發送、批量數據處理）。
- python-dotenv：從.env文件加載環境變量，方便管理配置參數。
- Paramiko：實現SSH協議，用于遠程服務器連接、命令執行與文件傳輸。
- Click：簡化命令行工具開發，自動生成幫助信息與參數解析。
- PyYAML：解析與生成YAML文件，常用于配置文件處理。
- Logging：Python內置日志庫，支持日志分級、文件輸出與格式化。
- Docker SDK for Python：與Docker引擎交互，實現容器創建、管理自動化。
- Fabric：基于Paramiko的遠程部署工具，批量執行服務器命令。
