Python的科学计算库非常丰富，以下是一些常用的库：
NumPy：
NumPy是Python科学计算的基础库，提供了大量的数学函数和操作，如数组计算、线性代数、傅里叶变换等。
SciPy：
SciPy是一个用于科学和工程计算的库，基于NumPy，提供了更多的科学计算工具，如最优化、线性规划、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理等。
Matplotlib：
Matplotlib是一个用于绘制数据可视化的库，可以创建各种类型的图表，如线图、散点图、柱状图、饼图、等高线图等。
Pandas：
Pandas是一个用于数据分析和处理的库，可以处理各种类型的数据，如表格数据、时间序列数据、文本数据等，并提供了大量的数据处理和分析工具。
Numba：
Numba是一个用于加速Python代码的库，可以对Python代码进行即时（JIT）编译，使得代码运行速度更快。
Cython：
Cython是一个Python扩展语言，可以用于加速Python代码，也可以用于编写C扩展模块。
IPython：
IPython是一个增强版的Python交互式shell，提供了大量的交互式特性，如自动补全、代码片段、魔法命令等。
Jupyter Notebook：
Jupyter Notebook是一个Web应用程序，可以在其中编写和运行Python代码块，还可以添加文本注释和图形化输出，非常适合数据分析和可视化等任务。
SymPy：
SymPy是一个支持符号计算的库，可以进行符号计算、微积分、代数方程求解等。
Seaborn：
Seaborn是一个用于在Python中制作有吸引力和翔实的统计图形库，它是基于matplotlib的。
Statsmodels：
Statsmodels用于统计建模，提供了一系列统计模型的工具和函数。
Bokeh：
Bokeh是一个Python交互式可视化库，用于创建交互式绘图、仪表板和数据应用程序。
Cubes：
Cubes是一个轻量级的Python框架和一组工具，用于开发报告和分析应用程序，支持OLAP和多维数据分析。
Dask：
Dask是一个用于分析计算的灵活并行计算库，支持大规模数据和并行计算任务。
Biopython：
Biopython是用于计算生物学和生物信息学的非商业Python工具的集合，包含代表生物学序列和序列注释的类。
Mayavi：
Mayavi是一个用于3D科学数据可视化的库，特别适用于三维数据场和体数据的可视化。
VPython：
VPython是一个用于创建交互式3D可视化的库，基于VTK（Visualization Toolkit）。
OpenCV：
OpenCV是一个开源的计算机视觉库，用于处理图像和视频数据。
Traits 、 TraitsUI：
Traits是一个用于定义和操作具有丰富用户界面的Python类的库，TraitsUI是Traits的UI组件集。
Chaco：
Chaco是一个用于创建交互式图表的库。
TVTK：
TVTK是一个用于数据的三维可视化的库，基于VTK。
Sage：
Sage是一个由Python和Cython实现的开源数学软件系统，集成了许多已有的数学软件包。
这些库各有特点，根据具体需求选择合适的库可以大大提高科学计算的效率和便利性。建议在实际应用中，根据具体需求选择合适的库，并参考官方文档和社区资源进行深入学习。