Python 是一种开源编程语言，用于 Web 编程、数据科学、人工智能和许多科学应用。学习 Python 使程序员能够专注于解决问题，而不是专注于语法，其丰富的库赋予它完成伟大任务所需的力量。
1. IDLE
安装 Python 时，默认情况下也会安装 IDLE。这是比较好的Python工具之一。这使得在 Python 中入门变得非常简单。它的主要功能包括Python shell 窗口(交互式解释器)、跨平台(Windows、Linux、UNIX、Mac OS X)、智能缩进、代码着色、自动提示、可以实现断点提示、单步执行等调试功能的基本集成调试器。IDLE 易于学习，因为它重量轻且易于使用。但是，它并不是大型项目的最佳选择。
2. Scikit-learn
scikit-learn是一个建立在Scipy基础上的用于机器学习的Python模块。在不同的应用领域中，已经大展出为数众多的基于Scipy的工具包，他们统称为Scikits。而在所有的分支版本中，scikit-learn是最有名的，是开源的，任何人都可以免费地使用这个库或者进行二次开发。
scikit-learn包含众多顶级机器学习算法，主要有六大基本功能，分别是分类、回归、聚类、数据降维、模型选择和数据预处理。scikit-learn拥有非常活跃的用户社区，基本上其所有的功能都有非常详尽的文档供用户查阅。可以研读scikit-learn的用户指南及文档，对其算法的使用有更充分的了解。
3. Theano
Theano是一个较为老牌和稳定的机器学习python库之一。Theano基于Python擅长处理多维数组(紧密集成了Numpy)，属于比较底层的框架，theano起初也是为了深度学习中大规模人工神经网络算法的运算所设计，我们可利用符号化式语言定义想要的结果，接着theano会对我们的程序进行编译，使其高效运行于GPU或CPU，它非常适合深度学习Python。
4. Selenium
Selenium 是自动化的最佳 python 工具之一。它属于 Python 测试的自动化。它在 Web 应用程序中用于自动化框架。使用Selenium，我们可以用许多编程语言编写测试脚本，包括Java、C#、python、ruby以及程序员和新手将要使用的许多其他语言。你还可以集成 Junit 和 TestNG 等铀工具来管理测试用例并生成报告。
5. Test complete
它是支持 Web、移动和桌面自动化测试的自动化比较好的Python 工具之一。它支持单元测试、功能测试、回归测试、分布式测试、数据驱动测试、HTTP负载测试、Web测试、人工测试等类型的测试，支持5种脚本语言编写VBScript、JScript、C++ Script、DelphiScript、C#Script，支持SVN、VSS等代码控制系统，并且支持Bugzilla等缺陷跟踪系统。
6. Beautiful soup
Beautiful Soup 是用Python写的一个HTML/XML的解析器，它可以很好的处理不规范标记并生成剖析树(parse tree)。 它提供简单又常用的导航(navigating)，搜索以及修改剖析树的操作,它能够通过你喜欢的转换器实现惯用的文档导航，查找，修改文档的方式,简单的说，它可以大大节省你的编程时间
7. Pandas
pandas 是基于NumPy 的一种工具，该工具是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。提供了大量能使我们快速便捷地处理数据的函数和方法，为 Python 编程语言提供最佳、高性能的工作以及易于使用的数据结构和数据分析工具。
8. Pulp
线性规划是研究线性约束条件下线性目标函数的极值问题的数学理论和方法。Python中有许多第三方的工具可以解决这类问题，这里介绍常用的pulp工具包。pulp能够解包括整数规划在内的绝大多数线性规划问题，并且提供了多种solver，每种solver针对不同类型的线性规划问题有更好的效果。而且puLP可以生成 LP 文件，并调用高度优化的solvers、GLPK、COIN CLP/CBC、CPLEX 和 GUROBI 来解决这些线性问题。
