新入门Python数据分析的硕士、博士们，请拿取参考：

1、桌面软件开发
WxPython、Tkinler
2、网站开发
Django、Web2py、Web.py、Zope2 [Python + HTML + MySQL(or PostgreSQL)]
3、游戏开发
Pygame、cocos2d
4、科学计算
Pandas：Python数据分析库
NumPy：一个定义了数值数组和矩阵类型和它们的基本运算的语言扩展
SciPy：另一种使用NumPy来做高等数学、信号处理、优化、统计和许多其它科学任务的语言扩展
Matplotlib：绘图的语言扩展
5、机器学习
scikit-learn：该项目文档齐全、讲解清晰，功能齐备，使用方便，而且社区活跃
PyBrain：Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。PyBrain正如其名，包括神经网络、强化学习(及二者结合)、无监督学习、进化算法。因为目前的许多问题需要处理连续态和行为空间，必须使用函数逼近(如神经网络)以应对高维数据。以神经网络为核心，所有的训练方法都以神经网络为一个实例
Orange：机器学习只是其的功能之一，主要还是侧重数据挖掘，可以用可视化语言或Python进行操作，拥有机器学习组件，还具有生物信息学以及文本挖掘的插件
Shogun：文档齐全，开发活跃，更新快，运算速度也很快。主攻大尺度的核函数，尤其是大尺度核函数下的SVM。具有很多SVM的高级用法，比如多核配用等
6、深度学习
Theano
pylearn2
keras
nolearn + lasagna
Caffe
Expresso：基于Python之Caffe的深度学习图形化设计/训练/浏览框架
Minerva：拥有python编程接口。多GPU几乎达到线性加速。在4块GPU上能在4天内将GoogLeNet训练到68.7%的top-1以及89.0%的top-5准确率。和同为dmlc项目的cxxnet相比，采用动态数据流引擎，提供更多灵活性。