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
