125. IPython/ Jupyter
- 类型：第三方库
- 描述：IPython 是一个基于Python 的交互式shell，比默认的Python shell 好用得多，支持变量自动补全、自动缩进、交互式帮助、魔法命令、系统命令等，内置了许多很有用的功能和函数。从IPython4.0开始，IPython衍生出了IPython和Jupyter两个分支。在该分支正式出现之前，IPython其实已经拥有了ipython notebook功能，因此，Jupyter更像是一个ipython notebook的升级版。
- 推荐度：★★★
126. Elpy
- 类型：第三方库
- 描述：Elpy是Emacs用于Python的开发环境，它结合并配置了许多其他软件包，它们都是用Emacs Lisp和Python编写的
- 推荐度：★★
127. PTVS
- 类型：第三方库
- 描述：Visual Studio 的 Python 工具
- 推荐度：★★
128. PyCharm
- 类型：外部工具
- 描述：PyCharm带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制并可集成IPython、系统终端命令行等，在PyCharm里几乎就可以实现所有有关Python工作的全部过程
- 推荐度：★★★
129. LiClipse
- 类型：外部工具
- 描述：LiClipse是基于Eclipse的免费多语言 IDE，通过其中的PyDev可支持 Python开发应用
- 推荐度：★★
130. Spyder
- 类型：外部工具
- 描述：Spyder是一个开源的Python IDE，由IPython和众多流行的Python库的支持，是一个具备高级编辑、交互式测试、调试以及数字计算环境的交互式开发环境
- 推荐度：★★
其他Python协同数据工作工具指除了上述主题以外，其他在数据工作中常用的工具或库。
131. tesseract-ocr
- 类型：外部工具
- 描述：这是一个Google支持的开源OCR图文识别项目，支持超过200种语言（包括中文），并支持自定义训练字符集，支持跨Windows、Linux、Mac OSX 多平台使用
- 推荐度：★★★
132. RPython
- 类型：第三方库
- 描述：R集成库
- 推荐度：★★★
133. Rpy2
- 类型：第三方库
- 描述：Python连接R的库
134. matpython
- 类型：第三方库
- 描述：MATLAB集成库
- 推荐度：★★★
135. Lunatic Python
- 类型：第三方库
- 描述：Lua集成库
- 推荐度：★★
136. PyCall.jl
- 类型：第三方库
- 描述：Julia集成库
- 推荐度：★★
137. PySpark
- 类型：第三方库
- 描述：Spark提供的Python API
- 推荐度：★★★
138. dumbo
- 类型：第三方库
- 描述：这个模块可以让Pythoner轻松的编写和运行 Hadoop 程序，程序版本比较早，可以作为参考
- 推荐度：★★
139. dpark
- 类型：第三方库
- 描述：Python对Spark的克隆版本，类MapReduce框架
- 推荐度：★★
140. streamparse
- 类型：第三方库
- 描述：Streamparse允许通过Storm对实时数据流运行Python代码
- 推荐度：★★★
关于作者：宋天龙，大数据技术专家，触脉咨询合伙人兼副总裁，前Webtrekk中国区技术和咨询负责人（Webtrekk，德国的在线数据分析服务提供商）。擅长数据挖掘、建模、分析与运营，精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习以及数据工程交付。
本文摘编自《Python数据分析与数据化运营》（第2版），经出版方授权发布。
延伸阅读《Python数据分析与数据化运营》（第2版）
推荐语：这是一本将数据分析技术与数据使用场景深度结合的著作，从实战角度讲解了如何利用Python进行数据分析和数据化运营。本书与同类书大的不同在于，并不只有纯粹的关于数据分析技术和工具的讲解，而且还与数据使用场景深度结合，在业务上真正可指导落地。
