文/Frankie
今天要介紹常用的模組，以及各大領域幾個「你必須要知道的模組」。有些模組幾乎在所有的專案都會出現，因此可以稱為「必學模組」。後面將會簡介進階領域的常見模組，如果發現了有興趣的模組，就趕快深入研究看看吧！
必學模組
os
os 這個模組非常常用，也非常的好用，主要用於進行系統級別的操作，從重新命名、移動檔案、刪除檔案、複製檔案…等等，基本上你會對檔案做的事，還有對目錄(資料夾)的操作，這個模組都能幫助你在程式中做到！
time 和 datetime
這兩個模組相輔相成，常常需要在彼此間互相轉換，因為常常用到時間戳、格式化的時間字串、及元組等不同類型的元件。他們能做到的事也相當多，基本上只要你需要操作時間，或是運算日期等等，都必須用到他們。
random
random 是在做什麼的呢？顧名思義，就是在做跟隨機相關操作的模組，Bar主個人認為是最常用到的模組，用法非常多，舉凡生產隨機整數、小數，從串列中隨機挑選一個物件，甚至是直接打亂串列排序的洗牌動作等等，random 全部都能用幾行程式碼輕鬆完成。
數據分析、資料科學
NumPy
Numpy 是 Python 的一個重要模組，主要用於資料處理上。Numpy 底層以 C 和 Fortran 語言實作，所以能快速操作多重維度的陣列。當 Python 處理龐大資料時，內建的資料型態 list 效能並不理想，而 Numpy 具備平行處理的能力，可以將操作動作一次套用在大型陣列上。此外， Python 其餘重量級的資料科學相關套件（例如：Pandas、SciPy、Scikit-learn 等）都幾乎是奠基在 Numpy 的基礎上。因此學會 Numpy 對於往後學習其他資料科學相關套件打好堅實的基礎。
SciPy
常用科學計算的另一個重要模組就是 SciPy。SciPy 是一種使用 NumPy 為基底，來做高等數學、統計和許多其它科學任務的模組。它基於NumPy，並擴展了NumPy的功能。SciPy 的主要的數據結構是由 Numpy 實現的多維陣列。這個模組包含了解決線性代數、概率論、積分等等高等。
然而，scipy和numpy 都沒有提供繪圖函式。它們只是數值處理的工具，能夠輔助繪圖的模組待會就會推薦。
Pandas
Pandas 也是一個常用 Python 模組，提供了高階的資料結構和多種分析工具。它的最大特點是能夠將複雜的數據操作，轉換成一兩個命令。Pandas包含許多用於分組、過濾和組合數據以及時間序列功能的內置函式。
Pandas在前陣子的版本更新中，增加了數百個新特性、並且對bug進行修復以及API更改。這些改進是針對數據分組和排序的能力，讓它變得更容易輸出，以及支持對自定義的類別(class)進行操作。
資料視覺化
Matplotlib
Matplotlib 是一個用於創建二維圖表和圖形的模組。在它的幫助下，你可以輕鬆構建不同的圖表，從直條圖、點狀圖到笛卡爾坐標圖都可以。重點是，很多熱門的模組都支持與 Matplotlib 協同工作。
Matplotlib 雖然主要都是用純Python寫的，但是為了在運行時有更高的性能，尤其是在顯示大量數據的情況下，裡面也大量使用了NumPy。
Bokeh
Bokeh模組透過JavaScript在瀏覽器中創造出互動式、可伸縮的視覺效果。 它提供了各式各樣的視覺化必須的輔助函式，同時也將網頁前端的技術細節包裝成一個個的 Python 函式與參數供我們呼叫，讓我們不再需要編輯 HTML 與 JavaScript 便能製作網頁前端視覺化。
深度學習
TensorFlows
ㄧTensorFlow是在 Google大腦中開發的一個用於深度和機器學習的流行框架。它提供了具有多個數據集的人工神經網絡一起工作的能力。在最流行的TensorFlow 應用程序中，有對象識別、語音識別等等…，而且，它的更新速度非常快。
PyTorch
PyTorch是一個大型框架，允許你使用GPU加速執行張量計算，創建動態計算圖，並自動計算梯度。以此為基礎，PyTorch 為解決與神經網絡相關的應用程序提供了豐富的API。這個模組基於Torch，是一個開源的深度學習庫，通過C語言實現。從2017年起進入眾人視野，該框架就越來越受歡迎，並吸引了越來越多的數據科學家。
