数据科学已经发展成为一个庞大的系统，包含数学、统计学、概率论、计算机、数据库、编程等各种理论技术。

目前在主流的数据科学领域一般有三大生态，一是以sas、matlab、spss等为代表的商业软件生态，二是围绕R语言建立起来的开源生态，三是目前较为火热的Python数据科学生态。

为什么Python会脱颖而出，成为数据科学的第三极，而且越来越受欢迎呢？

这是因为数据科学编程需要非常灵活的语言，编写代码很简单，但可以处理高度复杂的数学处理。

Python可以说最适合这样的需求，所以大量的数据科学库如春笋般冒出来，有的已经发展成高度完善的企业级库。

比如说Pandas、Numpy、Matplotlib、Sklearn、NLTK等，还有深度学习领域的Keras、Tensorflow、Pytorch、Caffe等，都是顶尖的数据科学工具。

Github上有一个项目，专门汇总了Python数据科学的核心知识点，并以速查表的形式，浓缩在一张张图片里。

速查表清单：

Python基础

Pandas基础

Pandas进阶

Numpy基础

Matplotlib基础

Seaborn基础

Bokeh基础

Scipy基础

scikit-learn基础

keras基础

Jupyter基础

数据IO

SQL基础

Dask基础

Dask进阶

PySpark基础

PySpark进阶

可视化基础