1.numpy——基础，以矩阵为基础的数学计算模块，纯数学
存储和处理大型矩阵。
这个是很基础的扩展，其余的扩展都是以此为基础。
快速学习入口 https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
2.pandas——数据分析
基于NumPy 的一种工具，为了解决数据分析任务而创建的。
Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。
最具有统计意味的工具包，某些方面优于R软件。
数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数)，
三维的Panel
（Pan（el) + da(ta) + s，知道名字的由来了吧）。
学习pandas要掌握：
汇总和计算描述统计，处理缺失数据 ，层次化索引
清理、转换、合并、重塑、GroupBy技术
日期和时间数据类型及工具（日期处理方便地飞起）。
http://pandas.pydata.org/pandas-docs/stable/10min.html
3.matplotlib——绘图，不推荐使用，不如用seaborn
python中最著名的绘图系统.很多其他的绘图例如seaborn（针对pandas绘图而来）也是由其封装而成。
这个绘图系统操作起来很复杂，和R的ggplot,lattice绘图相比显得望而却步，这也是为什么我个人不丢弃R的原因.
但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
需要掌握的是：
散点图，折线图，条形图，直方图，饼状图，箱形图的绘制。
绘图的三大系统：pyplot，pylab(不推荐)，面向对象
坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
金融的同学注意的是：可以直接调用Yahoo财经数据绘图.
http://matplotlib.org/users/pyplot_tutorial.html
4.scipy——数值计算库
在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。
方便、易于使用、专为科学和工程设计的Python工具包.
它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。
5.Python numpy，scipy，pandas这些库的区别
Numpy是以矩阵为基础的数学计算模块，纯数学。
Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
Pandas提供了一套名为DataFrame的数据结构，比较契合统计分析中的表结构，并且提供了计算接口，可用Numpy或其它方式进行计算。