以下分別是numpy、Scipy、pandas的簡介。雖然這些包提供的一些結構比python自身的“更高級、更高效”，更高級是因為它們能完成更高級的任務，但是，學習的時候盡量不要和python割裂開認識，最好是辯證的看問題，既要看到區別，又要看到聯系，這樣才能理解深刻、真正的運用自如。比如python提供list這種數據結構，可以用來當作數組使用；比如我們定義一個list。a=range(10)，但是要是對每個元素同時操作比如平方操作，這時候可能需要寫個循環，就沒有np.arange(10)**2方便。同時，以下的簡介和case中也會從對比和聯系的角度出發，一塊學習這些概念或是實體。
What is numpy?
標准安裝的Python中用列表(list)保存一組值，可以用來當作數組使用，不過由於列表的元素可以是任何對象，因此列表中所保存的是對象的指針。這樣為了保存一個簡單的[1,2,3]，需要有3個指針和三個整數對象。對於數值運算來說這種結構顯然比較浪費內存和CPU計算時間。
此外Python還提供了一個array模塊，array對象和列表不同，它直接保存數值，和C語言的一維數組比較類似。但是由於它不支持多維，也沒有各種運算函數，因此也不適合做數值運算。
NumPy的誕生彌補了這些不足，NumPy提供了兩種基本的對象：ndarray（N-dimensional array object）和 ufunc（universal function object）。即提供常用的數值數組、矩陣等函數。ndarray(下文統一稱之為數組)是存儲單一數據類型的多維數組，而ufunc則是能夠對數組進行處理的函數。
優點是：是基於向量化的運算，進行數值運算時Numpy數組比list效率高
以上部分主要參考《利用numpy做科學計算》一書（點擊書名查看詳細介紹）
What is Scipy?
numpy 准確地說提供了一個在python中做科學計算的基礎庫，俠義地講它重在數值計算，甚至可以說是用於多維數組處理的庫；而 scipy 則是基於numpy，提供了一個在python中做科學計算的工具集，也就是說它是更上一個層次的庫，主要包含一下模塊：
- statistics
- optimization
- numerical integration
- linear algebra
- Fourier transforms
- signal processing
- image processing
- ODE solvers
- special functions
What is pandas?
是一種構建於Numpy的高級數據結構和精巧工具，快速簡單的處理數據。
- 支持自動或明確的數據對齊的帶有標簽軸的數據結構。
- 整合的時間序列功能。
- 以相同的數據結構來處理時間序列和非時間序列。
- 支持傳遞元數據（坐標軸標簽）的算術運算和縮減。
比如，要是沒有pandas，對某行元素的操作或是說轉置可能需要很多循環。
- 靈活處理丟失數據。
- 在常用的基於數據的數據庫（例如基於SQL）中的合並和其它關系操作。
- 提供數據結構：Series和DataFrame