- pandas: 仿照了R语言的数据结构、数据操作，一般用来做数据预处理，特征工程，其DataFrame数据格式用起来相当便利
- scikit-learn: 家喻户晓的ML库，各种聚类、分类、回归模型等，也可以用来做预处理
- xgboost: 陈天奇大神的杰作，改进了传统的GBDT模型，在底层用一些trick加速模型训练，非常值得一试，可以取代其他ML库里的GBDT系列模型 (很早就听说过这个碉堡的库，但一直没有上手实践，实在汗颜…后面我会结合GBDT做特征工程，实践下效果，发布到公众号)
- keras: 神经网络相关的库，可以选择基于tensorflow或theano，赶脚很强大，我也是刚接触
- matplotlib: 作图必备，语言风格跟MATLAB很像，很好上手
- tpdm: 我没听过，原作者提到的，感兴趣的童鞋可以了解下
3.5. 开发环境
这里我补充说一下python开发环境和上面几个库的安装方法。首先我跟原作者一样，因为追求自(装)由(逼)，所以不用python IDE（比如Anaconda, Pycharm），当然，装IDE可能省很多事情，个人建议安装Pycharm。然后我自己的python开发环境(纯属个人习惯，仅供参考):
- windows: notepad++及其插件nppexec/explorer，结合我昨天发布的『一个神奇的脚本，一键运行各类程序』，里面的nppexec脚本可一键执行Python。以及linux风格的shell: git bash (git bash是基于msys的，跟cygwin略有不同)
- mac: sublime及其插件Package Control/anaconda，以及iTerm2，或者自带的terminal。(sublime中import某些python库，比如matplotlib/sklearn/tensorflow会出点bug，需要修改下环境变量啥的，遇到相关问题可以微信我，尽量帮你解决)
- linux: vim（因为我一般在命令行模式下开发）。如果是界面linux，应该可以有其他选择
另外，jupyter notebook(前身是ipython notebook)是个好东西，可以逐步执行python代码片段，不依赖于平台，可在浏览器中打开，非常适合学习过程中练手。