1.numpy
NumPy（Numeric Python）是用Python进行科学计算的基本软件包。 NumPy是Python编程语言的扩展，增加了对大型多维数组和矩阵的支持，以及一个大型的高级数学函数库来操作这些数组。NumPy提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。
安装：
如果你的ubuntu中没有安装python，请首先安装python
在终端输入以下命令：
sudo apt-get update sudo apt-get install python-numpy
如果是python3，则将上面的python-numpy换成python3-numpy即可，下面的安装包同理。
e.g.:
from numpy import * a = arange(12) a = a.reshape(3,2,2) print a
Script output: [[[ 0 1] [ 2 3]] [[ 4 5] [ 6 7]] [[ 8 9] [10 11]]]
2.SciPy
SciPy（发音为“Sigh Pie”）是开放源码的数学，科学和工程软件。 SciPy库依赖于NumPy，它提供了便捷的N维数组操作。 SciPy库构建为与NumPy数组一起工作，并提供了许多用户友好和高效的数值例程，例如用于数值积分和优化的例程。 它们一起运行在所有流行的操作系统上，安装快速且免费。 NumPy和SciPy易于使用，但功能强大，足以受到一些世界领先的科学家和工程师的依赖。 如果您需要在计算机上操纵数字并显示或发布结果，那么Scipy就是这项工作的工具。
打开终端，输入：
sudo apt-get update sudo apt-get install python-scipy
3.pandas
Pandas是一个Python软件包，提供快速，灵活和富有表现力的数据结构，旨在使“关系”或“标记”数据的工作既简单又直观。 它旨在成为在Python中进行实际的，真实世界的数据分析的基本高级构件。 另外，它具有更广泛的目标，即成为任何语言中最强大，最灵活的开源数据分析/操作工具。 它已经很好地走向了这个目标。
pandas非常适合许多不同类型的数据：
具有异构类型列的表格数据，如在SQL表格或Excel电子表格中。
有序和无序（不一定是固定频率）的时间序列数据。
具有行列标签的任意矩阵数据（均匀类型或异类型）。
任何其他形式的观测/统计数据集。 数据实际上不需要标记为放置在pandas数据结构中。
安装：
sudo apt-get update sudo apt-get install python-pandas
4.matplotlib
matplotlib是Python编程语言及其NumPy数值数学扩展的绘图库。 它提供了一个面向对象的API，用于将绘图嵌入到使用通用GUI工具包（如wxPython，Qt或GTK +）的应用程序中。 还有一个基于状态机（如OpenGL）的程序“pylab”接口，其设计与MATLAB非常相似。 SciPy使用matplotlib。
安装：
sudo apt-get update sudo apt-get install python-matplotlib
5.scikit-learn
scikit-learn项目是由David Cournapeau编写的Google Summer of Code项目scikits.learn开始的。 它的名字源于它是一个“SciKit”（SciPy工具包）的概念，SciPy工具包是SciPy独立开发和分发的第三方扩展。 最初的代码库后来被其他开发者广泛地重写了。 在各种scikits中，scikit-learn和scikit-image在2012年11月被描述为“维护良好和流行”。
安装：
sudo apt-get update sudo apt-get install python-sklearn