Python AI常用库速查

Python 是 AI 开发最常用的语言之一。下面按任务整理常见库，帮助你知道什么时候该用哪个，而不是看到名字就安装一堆。

数据处理

NumPy：处理数组和矩阵，是很多科学计算库的基础。

Pandas：处理表格数据，适合读取 CSV、Excel、清洗数据、分组统计。

Polars：高性能数据处理库，适合较大表格数据和更快的分析任务。

可视化

Matplotlib：基础绘图库，控制能力强。

Seaborn：基于 Matplotlib，适合快速画统计图。

Plotly：适合交互式图表和网页展示。

机器学习

scikit-learn：传统机器学习首选库，包含分类、回归、聚类、降维、评估和数据预处理。

XGBoost / LightGBM：梯度提升树工具，常用于表格数据竞赛和业务预测。

深度学习

PyTorch：灵活、生态丰富，研究和工程都常用。

TensorFlow / Keras：工程部署和历史项目中常见，Keras 上手较简单。

JAX：强调函数式和高性能计算，研究场景较多。

大模型应用

Transformers：Hugging Face 的模型库，常用于加载文本、图像、语音模型。

Datasets：管理和处理数据集。

Accelerate：简化多 GPU 和混合精度训练。

LangChain / LlamaIndex：构建 RAG、Agent、工具调用和知识库应用。

API 与服务

requests / httpx：调用 HTTP API。

FastAPI：快速构建 Python 后端接口。

Pydantic：数据校验和结构化配置。

选择建议

表格数据先用 Pandas 和 scikit-learn；深度学习先学 PyTorch；调用大模型 API 用 requests 或官方 SDK；做知识库再考虑 LangChain 或 LlamaIndex。不要在小任务中过早引入复杂框架。