整理 Collect
學習 Learn
練習 Practice
掌握 Master
Python-dateutil 模組為標準的 datetime 模組提供了強大的功能擴充套件。普通的 Python datetime 無法做到的事情都可以使用 python-dateutil 完成。
https://juejin.cn/post/7028598668483641351
類似於dateutils，該庫可以幫助你操作日期和時間。處理時區很麻煩。幸運的是，這個包可以讓時區處理變得很容易。
關於時間，我的經驗是：在內部永遠使用UTC，只有在需要產生供人閱讀的輸出時才轉換成本地時間。
https://cloud.tencent.com/developer/article/1619246
jsonpath用來解析json資料，是一種簡單的方法來提取給定JSON檔案的部分內容。它提供了類似正規表示式的語法，可以解析複雜的巢狀資料結構，可以非常方便的提取介面返回的資料資訊。
https://cloud.tencent.com/developer/article/1511637
Online Evaluator: https://jsonpath.com/
建立進度條。
https://blog.csdn.net/qianfengpython/article/details/118764070
NumPy是Numerical Python的簡寫，是Python數值計算的基石。它提供多種資料結構、演演算法以及大部分涉及Python數值計算所需的介面。NumPy還包括其他內容：
快速、高效的多維陣列物件ndarray
基於元素的陣列計算或陣列間數學操作函數
用於讀寫硬碟中基於陣列的資料集的工具
線性代數操作、傅立葉變換以及亂數生成
除了NumPy賦予Python的快速陣列處理能力之外，NumPy的另一個主要用途是在演演算法和庫之間作為資料傳遞的資料容器。對於數值資料，NumPy陣列能夠比Python內建資料結構更為高效地儲存和運算元據。
pandas提供了高階資料結構和函數，這些資料結構和函數的設計使得利用結構化、表格化資料的工作快速、簡單、有表現力。
對於Python程式設計者來說也有其他視覺化庫，但matplotlib依然使用最為廣泛，並且與生態系統的其他庫良好整合。我認為將它作為預設視覺化工具是一個安全的選擇。
SciPy是科學計算領域針對不同標準問題域的包集合。以下是SciPy中包含的一些包：
scipy.integrate 數值積分例程和微分方程求解器
scipy.linalg 線性代數例程和基於numpy.linalg的矩陣分解
scipy.optimize 函數優化器（最小化器）和求根演演算法
scipy.signal 訊號處理工具
scipy.sparse 稀疏矩陣與稀疏線性系統求解器
scipy.special SPECFUN的包裝器。SPECFUN是Fortran語言下實現通用資料函數的包，例如gamma函數。
scipy.stats 標準的連續和離散概率分佈（密度函數、取樣器、連續分佈函數）、各類統計測試、各類描述性統計。
SciPy與NumPy一起為很多傳統科學計算應用提供了一個合理、完整、成熟的計算基礎。
statsmodels是一個統計分析包。
與scikit-learn相比，statsmodels包含經典的（高頻詞彙）統計學、經濟學演演算法。它所包含的模型如下。
迴歸模型：線性迴歸、通用線性模型、魯棒線性模型、線性混合效應模型等
方差分析（ANOVA ）
時間序列分析：AR、ARMA、ARIMA、VAR等模型
非引數方法：核密度估計、核迴歸
統計模型結果視覺化
statsmodels更專注於統計推理，提供不確定性評價和p值引數。相反，scikit-learn更專注於預測。
需要梯子
Patsy是一個python庫，用於描述統計模型（尤其是線性模型），方法是通過一個叫做公式語法（formula syntax）的字串來描述。這種公式語法的靈感來源於R和S語言中的公式語法。
Patsy的公式是有特殊格式的字串，像下面這樣： y ~ x0 + x1 這種a + b的語法並不代表將a和b相加，而是代表為模型建立的設計矩陣的術語（terms in the design matrix）。patsy.dmatrices函數，取一個公式字串和一個資料集（可以使DataFrame或dict），然後為線性模型產生設計矩陣。
https://developer.aliyun.com/article/798127
基於Flask快速建立restful API介面。
Python 內建。用來傳送HTTP請求，包含了可以新增headers，認證等高階資訊。
urllib2給python2用的，python3中urllib2和併到了urllib。
https://zhuanlan.zhihu.com/p/92847111
Python內建。傳送HTTP請求，比urllib更簡潔。
https://www.runoob.com/python3/python-requests.html
用來處理xml和HTML檔案。語法上利用xpath。
處理HTML檔案。
自動化測試，可以用來完全模擬瀏覽器，不停傳送爬蟲請求。
爬蟲框架。
通訊端通訊底層庫，用於在伺服器和使用者端間建立TCP或UDP連線，通過連線傳送請求與響應。
英文文書處理。
中文分詞。
完整中文自然語言處理工具鏈，分詞，詞性標註，命名實體識別，依存句法分析等。
用來快速處理影象image。
scikit-learn專案誕生於2010年，目前已成為Python程式設計者首選的機器學習工具包。僅僅七年，scikit-learn就擁有了全世界1 500位程式碼貢獻者。其中包含以下子模組:
分類：SVM、最近鄰、隨機森林、邏輯迴歸等
迴歸：Lasso、嶺迴歸等
聚類：k-means、譜聚類等
降維：PCA、特徵選擇、矩陣分解等
模型選擇：網格搜尋、交叉驗證、指標矩陣
預處理：特徵提取、正態化
scikit-learn與pandas、statsmodels、IPython一起使Python成了高效的資料科學程式語言。
python database ORM framework
Python-PostgreSQL 連線框架。
儘管它本身並不提供任何計算或資料分析工具，它的設計側重於在互動計算和軟體開發兩方面將生產力最大化。它使用了一種執行-探索工作流來替代其他語言中典型的編輯-編譯-執行工作流。它還提供針對作業系統命令列和檔案系統的易用介面。由於資料分析編碼工作包含大量的探索、試驗、試錯和遍歷，IPython可以使你更快速地完成工作。
非常好用且強大的音訊分析開源工具，能實現音訊的特徵提取、分類和迴歸模型的訓練和執行，以及其他一些實用的功能。
https://www.cnblogs.com/littlemujiang/p/pyAudioAnalysis-wen-dang.html
pydub 提供了簡潔的高層介面，極大的擴充套件了python處理音訊檔的能力，pydub可能不是最強大的Python音訊處理庫，但絕對是Python最簡潔易用的音訊庫只要，非要說有什麼弊端，大概只有高度依賴ffmpeg，Linux安裝起來不太方便吧。其功能足以滿足大多數情況下的音訊處理需求。
https://blog.csdn.net/baidu_29198395/article/details/86694365
常見的時頻處理、特徵提取、繪製聲音圖形等功能應有盡有，功能十分強大。
處理MS Excel的庫。
處理MS Word的庫。
詞雲生成器
https://bbs.huaweicloud.com/blogs/382777
將python指令碼轉換為windows上可以獨立執行的可執行程式。
https://blog.csdn.net/bruce_6/article/details/82906444