1.1 Python概要
Python是一种被广泛使用的解释型、通用型、高级编程语言。在本节中，我们将首先介绍为什么要学习Python，然后介绍Python中常用的第三方库。
1.1.1 为什么要学习Python
早在1991年2月，Python之父吉多·范罗苏姆（Guido Van Rossum）就发布了Python的第一个版本，如今Python已近“三十而立”。
事实上，Python不只是“立起来”那么简单，而是在很多领域都口碑颇佳。不论是在初创企业，还是在诸如Google、Facebook这样的大型公司，Python都有众多的拥护者。Python之所以这么流行，原因并不复杂，就是因为它不仅功能强大，而且易学易用，实为“出工干活、居家编程”之首选。
Python不仅拥有高级数据类型（如列表、元组、字典、集合等），而且能高效实现面向对象编程。此外，它还支持动态输入，再加上它解释型语言（Interpreted Language）的本质——能即时显示代码结果，因此非常便于调试，特别适合快速开发应用程序。
简单来说，Python的设计哲学就是：简单、明确、优雅。布鲁斯·埃克尔（Bruce Eckel）
曾说过，没有一种语言比得上Python使他的工作效率如此之高。为此，他还为Python创造了一句经典广告语“Life is short, you need Python.”国内有人将其翻译为“人生苦短，我用Python。”倒是十分贴切。
1.1.2 Python中常用的库
Python社区的生态已然非常完备，为我们提供了很多高质量的类库。这时，我们没有必要重复造轮子。对于一些优秀的类库而言，“他山之石，可以攻玉”，采用“拿来主义”，为我所用，不失为上策。下面就介绍一下与机器学习相关的Python常用类库。
1.1.2.1 数值计算NumPy
NumPy是“Numeric”（数值）和“Python”的混合简写。顾名思义，它是处理数值计算的Python库。为了提高性能，NumPy参考了CPython（用C语言实现的Python及其解释器）的设计，其本身也是用C语言开发的，也就是说，Numpy的数据处理速度和C语言是同级别的。
NumPy除了提供一些数学运算函数，还提供与MATLAB（由美国MathWorks公司出品的著名商业数学软件）相似的功能与操作方式，可让用户高效地直接操作向量或矩阵。
但NumPy被定位为数学基础库，属于比较底层的Python库。如果想快速开发出可用的程序，可采用更为高阶的库—SciPy和Pandas，下面分别对它们进行简单介绍。
1.1.2.2 科学计算SciPy
SciPy发音为“Sigh Pie”，它的取义类似于NumPy，是“Science”（科学）和“Python”的组合，即面向科学计算的Python库。SciPy构建于NumPy之上，功能更为强大，在常微分方程求解、线性代数、信号处理、图像处理及稀疏矩阵操作等方面，均能提供强有力的支持。
相比于NumPy是一个纯数学层面的计算模块，SciPy是一个更为高阶的科学计算库。比如说，如果要对矩阵进行操作，只用到纯数学的基础模块，可在NumPy库中找到对应的模块。但如果想要实现特定功能，如稀疏矩阵操作，那相应模块可能就需要在SciPy库中找了。SciPy库需要NumPy库的支持。出于这种依赖关系，NumPy库的安装要先于SciPy库的安装。
1.1.2.3 数据分析Pandas
Pandas在这里并不是“熊猫”之意，它的英文全称是“Python Data Analysis Library”。见名知意，Pandas是一款面向Python的数据分析库，它同样基于NumPy库构建而成。
Pandas库提供了操作大型数据集所需的高效工具，支持带有坐标轴的数据结构，这能防止由于数据没有对齐、采用不同索引而产生的某些处理错误。在数据预处理或数据清洗上，Pandas提供了处理缺失值、转换、合并及其他类SQL的功能。这些功能大大减轻了一线机器学习研发人员的负担。在某种程度上，Pandas是实施数据清洗/整理（Data Wrangling）最好用的工具之一。
1.1.2.4 图形绘制Matplotlib与Seaborn
众所周知，MATLAB、R及gnuplot等都具有非常出色的绘图功能。事实上，Python也提供了绘图功能非常强大的类库Matplotlib。使用它可以很方便地绘制散点图、折线图、条形图、直方图、饼图等专业图形。
类似于NumPy是Pandas的基础库一样，Matplotlib也可以作为其他更高阶绘图工具的基础库。Seaborn就是这样的高级库，它对Matplotlib做了二次封装。Matplotlib功能虽然很强大，但想用好却有较高的门槛。比如，通过Matplotlib绘制的图形，如果还想更加精致，就需要做大量的微调工作。因此，在某些场合，可用Seaborn替代Matplotlib进行绘图。
1.1.2.5 scikit-learn
机器学习是当下的研究热点，Python社区更是在此领域引领了潮流，scikit-learn便是其中的佼佼者。scikit-learn构建于NumPy和SciPy之上，提供了一系列经典的机器学习算法，如聚类、分类和回归等，也提供了一些数据集供初学者学习、使用，如鸢尾花分类数据集、波士顿房价预测数据集、手写数字识别数据集等，还提供了统一的接口供用户调用。十多年来，先后有超过40位机器学习专家参与scikit-learn代码的维护和更新工作，它已成为当前相对成熟的机器学习开源项目。
事实上，除了前面提及的几个常用类库，Python还提供一些其他实用库。比如，用于网站数据抓取的Scrapy，用于网络挖掘的Pattern，用于自然语言处理的NLTK和用于深度学习的TensorFlow等。