scapy网络库，使用这个库可以方便的实现网络数据包的分析、构造、发送，是python网络编程的利器。

挺多的

numpy和pandas 数据分析的利器，对于时间序列的数据分析，有非常高的开发效率

Seaborn

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝连接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。

• eaborn 的特点：
  作为一个面向数据集的API，可用于查验多个变量之间的关系
  便于查看复杂数据集的整体结构
  用于选择显示数据中模式的调色板的工具

很显然：Tensorflow

Pandas只使用单个CPU内核，在单进程模式下运行函数，相比之下Tensorflow只需要设置GPU参数就可以多核并行了

TensorFlow

什么是TensorFlow？

该库是由Google与Brain Team合作开发的。TensorFlow几乎在每个Google应用程序中用于机器学习。

TensorFlow的工作方式类似于编写涉及大量张量操作的新算法的计算库。由于神经网络可以很容易地表示为计算图形，因此它们可以使用TensorFlow作为Tensors上的一系列操作来实现。此外，张量是表示数据的N维矩阵。

TensorFlow的特点

TensorFlow针对速度进行了优化，它利用XLA等技术实现快速线性代数运算。

使用TensorFlow，我们可以轻松地可视化图形的每个部分，这在使用Numpy或SciKit时不是一个选项。

其中一个非常重要的Tensorflow功能是它的可操作性非常灵活，这意味着它具有模块化，并且对于您想要独立的部分，它为您提供了这一选择。

它可以在CPU和GPU上轻松训练，用于分布式计算。

TensorFlow提供流水线操作，从某种意义上说，您可以训练多个神经网络和多个GPU，这使得模型在大规模系统上非常高效。已经有一大批软件工程师不断致力于稳定性改进。而且它是开源的，所以只要有互联网连接，任何人都可以使用它。

NumPy

什么是Numpy？

Numpy被认为是Python中最受欢迎的机器学习库之一。TensorFlow和其他库在内部使用Numpy在Tensors上执行多个操作。数组接口是Numpy的最佳和最重要的功能。

Numpy的特点

Numpy非常具有交互性且易于使用；使复杂的数学实现变得非常简单；使编码变得简单易懂并且理解概念很容易；广泛使用，因此有很多开源贡献。

Scikit-Learn

什么是Scikit-Learn？

它是一个与NumPy和SciPy相关联的Python库。它被认为是处理复杂数据的最佳库之一。

这个库中有很多变化。一种修改是交叉验证功能，可以使用多个指标。物流回归和最近邻居等许多培训方法都得到了一些改进。

Scikit-Learn的特点

有多种方法可以检查监督模型对看不见的数据的准确性；无监督学习算法：同样，在提供中有大量的算法 - 从聚类，因子分析和主成分分析到无监督神经网络；用于从图像和文本中提取特征。

懂的都懂，tensorflow