NumPy（Numerical Python）
来源：https://numpy.org/
用途：NumPy 是用于数值计算的基础库，提供了多维数组对象、矩阵操作、数学函数等功能。
关键类和函数：
numpy.array：创建多维数组对象
numpy.arange：创建等差数列
numpy.linspace：创建等分数列
numpy.dot：计算矩阵乘法
numpy.linalg：线性代数模块，包括求逆、解线性方程组等
SciPy（Scientific Python）
来源：https://www.scipy.org/
用途：SciPy 是在NumPy基础上构建的，提供了更多的科学计算功能，如优化、插值、积分、稀疏矩阵等。
关键类和函数：
scipy.optimize：优化算法库，包括最小二乘、最大似然估计等
scipy.interpolate：插值函数库，如线性插值、样条插值等
scipy.integrate：积分和常微分方程求解库
scipy.sparse：稀疏矩阵和线性方程组求解库
Pandas
来源：https://pandas.pydata.org/
用途：Pandas 是用于数据分析的库，提供了数据结构（如Series、DataFrame）和数据处理工具。
关键类和函数：
pandas.Series：一维带标签数组
pandas.DataFrame：二维带标签数据表
pandas.read_csv：读取CSV文件
pandas.concat：连接多个数据表
pandas.merge：数据表的合并
Matplotlib
来源：https://matplotlib.org/
用途：Matplotlib 是一个用于绘制各类图形的库，如折线图、散点图、柱状图等。
关键类和函数：
matplotlib.pyplot：提供类似MATLAB风格的绘图接口
matplotlib.figure：创建图形实例
matplotlib.axes：创建坐标轴实例
matplotlib.pyplot.plot：绘制折线图
matplotlib.pyplot.scatter：绘制散点图
Scikit-learn
来源：https://scikit-learn.org/
用途：Scikit-learn 是一个机器学习库，提供了许多分类、回归、聚类、降维等算法。
关键类和函数：
sklearn.preprocessing：数据预处理库，如归一化、标准化等
sklearn.model_selection：模型选择库，如交叉验证、网格搜索等
sklearn.linear_model：线性模型库，如线性回归、逻辑回归等
sklearn.svm：支持向量机库
sklearn.cluster：聚类算法库，如K-means、DBSCAN等
TensorFlow
来源：https://www.tensorflow.org/
用途：TensorFlow 是由谷歌开发的开源深度学习框架，用于构建和训练神经网络模型。
关键类和函数：
tensorflow.Variable：创建张量变量
tensorflow.constant：创建张量常量
tensorflow.GradientTape：记录梯度信息
tensorflow.keras：高级神经网络接口，用于构建和训练深度学习模型
tensorflow.keras.layers：各种神经网络层，如全连接层、卷积层等
PyTorch
来源：https://pytorch.org/
用途：PyTorch 是由Facebook开发的开源深度学习框架，用于构建和训练神经网络模型。
关键类和函数：
torch.Tensor：创建张量
torch.autograd.Variable：创建自动求导变量
torch.nn：神经网络模块，包括各种层、损失函数、优化器等
torch.optim：优化算法库，如随机梯度下降、Adam等
torch.utils.data：数据加载和预处理库
SymPy
来源：https://www.sympy.org/
用途：SymPy 是一个符号计算库，用于进行符号计算、微积分、代数运算等。
关键类和函数：
sympy.Symbol：创建符号变量
sympy.solve：解方程或方程组
sympy.diff：求导
sympy.integrate：积分
sympy.limit：求极限
NetworkX
来源：https://networkx.org/
用途：NetworkX 是用于创建、操作和分析图（网络）的库。
关键类和函数：
networkx.Graph：创建无向图
networkx.DiGraph：创建有向图
networkx.MultiGraph：创建多重无向图
networkx.MultiDiGraph：创建多重有向图
networkx.algorithms：图算法库，如最短路径、最大流、社区发现等
