python常用包
1、numpy（數值運算庫）
2、scipy（科學計算庫）
3、matplotlib（基礎視覺化庫）
4、pandas（資料處理庫）
5、seaborn（高階視覺化庫）
6、scikit-learn（流行的機器學習庫）
各自作用
1、numpy是最為流行的機器學習和資料科學包，numpy包支援在多維資料上的數**算，提供資料結構以及相應高效的處理函式，很多更高階的擴充套件庫(包括scipy、matplotlib、pandas等庫）都依賴於numpy庫；
2、scipy包用於科學計算，提供矩陣支援，以及矩陣相關的數值計算模組，其功能包含有最優化、線性代數、積分、插值、擬合、訊號處理和影象處理以及其他科學工程中常用的計算；
3、pandas用於管理資料集，強大、靈活的資料分析和探索工具，其帶有豐富的資料處理函式，支援序列分析功能，支援靈活處理缺失資料等；
● pandas基本的資料結構是series和dataframe；
● series就是序列，類似一維陣列；
● dataframe相當於一張二維的**，類似二維陣列，它的每一列都是乙個series；
● 為了定位series中的元素，pandas提供了index物件，每個series都會帶有乙個對應的index，用來標記不用的元素；
● dataframe相當於多個帶有同樣index的series的組合（本質是series的容器）；
4、matplotlib庫用於資料視覺化，強大的資料視覺化工具以及作相簿，其主要用於二維繪圖，也可以進行簡單的三維繪圖；
5、seaborn庫是基於matplotlib的高階視覺化庫；
6、sklearn庫包含大量機器學習演算法的實現，其提供了完善的機器學習工具箱，支援預處理、回歸、分類、聚類、降維、**和模型分析等強大的機器學習庫，近乎一半的機器學習和資料科學專案使用該包。
datawhale優秀回答者：玲
sklearn庫的結構
sklearn主要是用於機器學習，所以sklearn的模組也都是圍繞機器學習演算法的。sklearn因此可以分為這幾個部分：classification（分類），regression（回歸），clustering（聚類），dimensionality reduction（降維），model selection（模型選擇），preprocessing（預處理）。
1.分類演算法包括svm（sklearn.svm.svc等）、近鄰（sklearn.neighbors）、隨機森林（sklearn.ensemble.randomforestclassifier）等。
2.回歸演算法包括svr（sklearn.svm.svr）、嶺回歸（sklearn.linear_model.ridge）、lasso（sklearn.linear_model.lasso）等。
3.聚類演算法包括k均值（sklearn.cluster.kmeans）、譜聚類（sklearn.cluster.spectralclustering）等。
4.降維演算法包括pca（如sklearn.decomposition.pca）、特徵選擇（sklearn.feature_selection，包括單變數特徵選擇等）、非負矩陣分解（如sklearn.decomposition.nmf、latentdirichletallocation）。
5.模型選擇方法包括網格搜尋（sklearn.model_selection.gridsearchcv）、交叉驗證（有很多，比如sklearn.model_selection.kfold、cross_val_score）、評估指標（sklearn.model_selection.metrics，包括precision、recall、accuracy等）。
6.預處理方法包括基本的預處理方法（sklearn.preprocessing，包括標準化、類別化、離散化等）、特徵抽取（sklearn.feature_extraction，包括文字特徵抽取方法bag of words、tf-idf等）。
機器學習主要步驟中sklearn應用
1.資料集：sklearn.datasets中提供了很多資料集，初學時可將其作為基礎資料。
2.資料預處理：sklearn.preprocessing，包括：降維、資料歸一化、特徵提取和特徵轉換（one-hot）等
3.選擇模型並訓練：分類、回歸、聚類、整合等演算法，涉及的模型主要是sklearn.linear_model、sklearn.cluster、sklearn.ensemble。
4.模型評分：sklearn.metrics，包括準確率、召回率等，演算法自身也帶有評分方法score。
5.模型的儲存與恢復：可以用python的pickle方法（pickle.dump、pickle.load），或者sklearn.externals.joblib（joblib.dump、joblib.load）。
學習建議
不必一次看完sklearn所有模組的使用方法，這樣太累！成效也不大！最好的方式是一邊學習機器學習演算法理論，一邊實踐的過程中去了解相關模組的用途，記憶會更深刻。
推薦的學習資料
基本了解：
深入探索：hands-on machine learning with scikit-learn & tensorflow
**：
Linux下常用目錄有哪些？分別有什麼作用？
boot 這個目錄是用來存放與系統啟動相關的檔案 root root使用者的家目錄 bin 存放大部分的二進位制的可執行檔案，也就是大部分的linux命令。tmp 這個檔案目錄一般是公共的，也就是說任何人任何使用者登入該檔案目錄都可以對其操作 新增新目錄.新檔案.修改檔案.刪除檔案等操作 他是個臨時...
css 定位有哪些？分別說明
1 static 預設值，沒有定位，元素出現在正常的流中 忽略 top,bottom,left,right 或者 z index 宣告 2 relative 生成相對定位的元素，相對於其正常位置進行定位。元素的位置通過 left top right 以及 bottom 屬性進行規定。3 fixed ...
關於」儲存」有哪些？分別的優點缺點有哪些呢？
一.儲存有哪些呢？1 cookie 1 概念 http cookie就是儲存在客戶端的一段文字。2 作用 為了實現 客戶端與伺服器 之間狀態的保持。3 優缺點 優點 可以設定過期時間 相容性好。缺點 不安全。記憶體小，限於儲存4kb。2 web儲存機制 1 概念 web應用程式能夠在使用者瀏覽器中對...