常用的Python包

一些研究工作中常用的Python包，像什么Numpy之类的就不列在这里了，这些基本库用python的人好像都知道。

pandas: Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。
GeoPandas: GeoPandas是一个开源项目，可简化使用python中的地理空间数据的工作。 GeoPandas扩展pandas中使用的数据类型，以允许对几何类型进行空间操作。Geopandas进一步依赖于fiona来进行文件访问，而descartes和matplotlib则可以进行绘图。
xarray: xarray是一个开源Python程序包，它让使用标签的多维数组的处理变得简单、高效和有趣！Xarray在类似于NumPy的原始数组上，引入尺寸、坐标和属性的标签，从而提供了更直观、更简洁和更少出错的开发人员体验。该软件包包括一个庞大且不断增长的功能库，用于使用这些数据结构进行高级分析和可视化。Xarray受到pandas的启发并从pandas那里大量借鉴。xarray特别适合处理netCDF文件。
xclim: 此工具提供了大量的观测和模拟数据的气候指数计算函数。
scikit-learn: 应用最广泛的机器学习库之一，也提供了很多的统计分析函数。
statsmodels: Python应用广泛的统计分析库，提供了大量的统计分析函数。
EOFS: 主要用于 EOF 分析。
matplotlib: 最基础且常用的可视化工具，几乎是其它可视化工具的基础。
seaborn: 高度定制的可视化工具，提供了很多高等级的数据分析可视化图形函数。
metpy: 定位为天气数据的处理、分析和可视化工具，功能比较强大。
regionmask: 专门用来做地理空间掩膜的一个库，本身提供了一些科学文献中的地理分区，而且可以利用shapefile进行掩膜。
Cartopy: 目前应用最多的地理图形可视化工具，功能都很齐全，但速度较慢，后续有待优化。
Basemap: 地理图形可视化的工具之一。
pyresample: 地理空间图像的重采样工具。
cmaps: 将NCL中的colormap迁移到了Python。