SciPy:基于Numpy，提供方法(函数库)直接计算结果，封装了一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。
Pandas:提供了一套名为DataFrame的数据结构，适合统计分析中的表结构,在上层做数据分析,
更简洁的说:
NumPy：N维数组容器
SciPy：科学计算函数库
Pandas：表格容器
非数学研究,建议直接入手pandas,包含基础的Numpy方法
Python数据分析学习路线图
Numpy：
来存储和处理大型矩阵，比Python自身的嵌套列表（nestedliststructure)结构要高效的多，本身是由C语言开发。这个是很基础的扩展，其余的扩展都是以此为基础。数据结构为ndarray,一般有三种方式来创建。
Pandas:
基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。最具有统计意味的工具包，某些方面优于R软件。数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数)，三维的Panel（Pan（el)+da(ta)+s，知道名字的由来了吧）。
学习Pandas你要掌握的是：1.汇总和计算描述统计，处理缺失数据，层次化索引2.清理、转换、合并、重塑、GroupBy技术3.日期和时间数据类型及工具（日期处理方便地飞起）
Scipy：
方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。基本可以代替Matlab，但是使用的话和数据处理的关系不大，数学系，或者工程系相对用的多一些。近期发现有个statsmodel可以补充scipy.stats，时间序列支持完美