Python 在科学计算中发挥着重要作用，以下是 12 种核心库：

1. NumPy NumPy 是 Python 科学计算的基础库，提供了高效的多维数组对象和各种数学函数。

2. SciPy SciPy 建立在 NumPy 基础上，提供了更多的科学计算算法，如优化、积分、线性代数等。

3. Pandas 用于数据处理和分析，提供了灵活的数据结构和丰富的数据操作方法。

4. Matplotlib 强大的绘图库，能够绘制各种类型的图表，帮助直观呈现数据。

5. Seaborn 基于 Matplotlib，提供了更美观、高级的绘图风格和统计可视化功能。

6. Scikit-learn 机器学习库，包含了各种分类、回归、聚类等算法的实现。

7. TensorFlow 用于深度学习的框架，支持大规模数值计算和模型训练。

8. PyTorch 另一个流行的深度学习框架，具有动态计算图和灵活的编程接口。

9. Statsmodels 提供了各种统计模型和检验方法，方便进行数据分析和建模。

10. SymPy 用于符号计算，能够进行数学表达式的推导和求解。

11. NetworkX 用于创建、操作和研究复杂网络结构、动态和功能。

12. Xarray 专门为处理多维数组数据而设计，特别适用于处理气象、海洋等领域的数据。

这些核心库为科学计算提供了强大的支持，使得 Python 在数据分析、机器学习、物理模拟等领域得到广泛应用。通过熟练掌握和灵活运用这些库，科研人员和开发者能够更高效地进行科学研究和项目开发。无论是处理大规模数据，还是构建复杂的模型，Python 的科学计算库都能为您提供有力的工具和便捷的解决方案。