- NumPy – работа с многомерными массивами
- SciPy – научные вычисления
- SymPy – символьные вычисления
- Pandas – табличное представление данных и работа с датафреймами
- Polars – высокопроизводительная библиотека DataFrame
- DuckDB – аналитическая in-process SQL-база данных
- Great Expectations – фреймворк для валидации качества данных
- Matplotlib – визуализация, преимущественно 2D
- Seaborn – базируется на Matplotlib, но оптимизирована под визуализацию задач Data Science
- Bokeh – визуализация данных для веба
- Plotly – онлайн-инструмент интерактивной визуализации данных на серверной стороне (публикация в интернете)
- K3D – работа с трехмерными графиками и изображениями в Jupyter Notebook
- tqdm - визуализация прогресса выполняемого процесса (например, перебор в цикле)
- DVC: система контроля версий, позволяющая использовать механику Git для датасетов туториал на русском
- Practical pandas projects – 5 идей для совершенствования навыков Data Science
- Ветка Reddit JupyterNotebooks