以下按类别列举10个常用Python包，并以一句话概括其核心作用：
一、数据分析与科学计算
- NumPy：提供高性能多维数组及数学运算，是数值计算的基础库。
- Pandas：通过DataFrame结构实现高效表格数据清洗、分析与处理。
- SciPy：基于NumPy的科学计算库，包含线性代数、积分等高级算法。
- Statsmodels：专注统计建模，支持回归分析、假设检验等统计任务。
- SymPy：符号数学计算库，可进行公式推导、符号积分等符号运算。
- Dask：支持并行计算，能处理超内存的大数据集，兼容NumPy/Pandas接口。
- Xarray：扩展NumPy，用于处理带标签的多维科学数据（如气象、海洋数据）。
- PyMC3：概率编程库，用于贝叶斯建模与统计推断。
- Numba：通过即时编译加速Python数值代码，接近C语言速度。
- Blaze：统一接口访问多种数据源（CSV、数据库等），简化大数据操作。
二、Web开发
- Django：全功能Web框架，内置ORM、Admin后台等，适合大型项目开发。
- Flask：轻量级Web框架，核心简洁，可通过扩展按需添加功能。
- FastAPI：高性能异步API框架，自动生成文档，支持类型提示。
- Tornado：异步非阻塞Web框架，适合高并发场景（如实时服务）。
- Pyramid：灵活的Web框架，兼顾简单项目与复杂应用的开发需求。
- Bottle：微型Web框架，单文件设计，适合小型API与轻量应用。
- CherryPy：面向对象Web框架，可将Python类直接映射为Web接口。
- Sanic：基于异步IO的高性能Web框架，语法接近Flask。
- Falcon：轻量API框架，专注性能，适合构建高吞吐量后端服务。
- Quart：异步Web框架，兼容Flask语法，支持ASGI协议。
三、机器学习与人工智能
- scikit-learn：集成经典机器学习算法，支持分类、回归、聚类等全流程。
- TensorFlow：Google开源深度学习框架，适合构建复杂神经网络与生产部署。
- PyTorch：Meta推出的动态图深度学习框架，灵活易用，适合科研与快速迭代。
- Hugging Face Transformers：提供BERT、GPT等预训练模型，简化NLP任务开发。
- Keras：高层深度学习API，可基于TensorFlow/PyTorch等后端快速构建模型。
- XGBoost：高效梯度提升树库，在分类、回归任务中性能优异，常用于竞赛。
- LightGBM：微软开源的梯度提升框架，训练速度快，支持大规模数据。
- spaCy：工业级NLP库，支持分词、命名实体识别等，模型精度高。
- Gensim：专注主题建模与词向量（如Word2Vec），适合文本挖掘。
- CatBoost：Yandex推出的梯度提升库，原生支持类别特征，减少预处理工作。
四、数据可视化
- Matplotlib：基础绘图库，支持线图、柱状图等，可高度定制图表细节。
- Seaborn：基于Matplotlib的统计可视化库，默认样式美观，适合展示数据分布。
- Plotly：交互式可视化库，生成可缩放、悬停的图表，支持导出为HTML。
- Bokeh：专注交互式Web绘图，可构建实时更新的可视化仪表盘。
- Altair：声明式可视化库，用简洁代码定义图表，自动处理交互逻辑。
- ggplot：复刻R语言ggplot2风格，通过“图层”叠加构建复杂图表。
- PyVista：3D可视化库，支持三维网格、点云等科学数据的三维展示。
- NetworkX：用于绘制与分析复杂网络（如社交关系图、知识图谱）。
- Geopandas：扩展Pandas，支持地理空间数据（如地图）的处理与可视化。
- Pygal：生成SVG格式动态图表，支持交互与动画效果。
五、网络与爬虫
- Requests：简洁的HTTP库，轻松发送GET/POST请求，处理响应数据。
- Beautiful Soup：解析HTML/XML文档，通过标签、类名快速提取网页数据。
- Selenium：模拟浏览器行为（点击、输入等），用于爬取动态加载内容。
- Scrapy：高性能爬虫框架，支持分布式爬取、数据管道与反爬处理。
- lxml：高效XML/HTML解析库，结合了Beautiful Soup的易用性与C语言速度。
- Urllib3：功能完善的HTTP客户端库，支持连接池、重试等高级特性。
- PySpider：分布式爬虫系统，集成爬取、解析、存储功能，带WebUI。
- RoboBrowser：模拟浏览器表单提交与会话管理，无需真实浏览器。
- MechanicalSoup：简化网页交互，自动处理表单、链接等元素。
- Feedparser：解析RSS/Atom订阅源，提取文章标题、内容等信息。
六、图像处理
- Pillow：Python图像处理基础库，支持格式转换、裁剪、滤镜等操作。
- OpenCV：开源计算机视觉库，支持图像识别、目标跟踪、人脸识别等高级功能。
- Scikit-image：基于SciPy的图像处理库，提供边缘检测、分割等算法。
- Mahotas：专注计算机视觉的算法库，包含特征提取、形态学操作等。
- SimpleITK：医学图像处理库，支持DICOM格式、图像配准等专业功能。
- Pygame：结合图像与音频处理，常用于2D游戏开发与简单动画制作。
- Wand：基于ImageMagick的图像处理库，支持复杂格式转换与特效。
- PyCairo：2D矢量图形绘制库，可生成PDF、SVG等格式的高质量图形。
- imageio：读写多种图像/视频格式（如GIF、MP4），支持帧提取。
- imgaug：图像增强库，用于生成带噪声、旋转等变化的训练数据。
七、其他常用工具
- SQLAlchemy：ORM工具，通过Python类操作数据库，兼容MySQL、PostgreSQL等。
- PyTest：灵活的单元测试框架，支持参数化、 fixtures 等高级测试功能。
- Celery：分布式任务队列，用于处理异步任务（如邮件发送、批量数据处理）。
- python-dotenv：从.env文件加载环境变量，方便管理配置参数。
- Paramiko：实现SSH协议，用于远程服务器连接、命令执行与文件传输。
- Click：简化命令行工具开发，自动生成帮助信息与参数解析。
- PyYAML：解析与生成YAML文件，常用于配置文件处理。
- Logging：Python内置日志库，支持日志分级、文件输出与格式化。
- Docker SDK for Python：与Docker引擎交互，实现容器创建、管理自动化。
- Fabric：基于Paramiko的远程部署工具，批量执行服务器命令。
