【全网最全】Python机器&深度学习框架大总结（学习路线/框架选择）：langchain＞huggingface＞pytorch≈sklearn＞matplotlib＞pandas＞numpy

在 Python 生态中，不同的框架适用于不同的任务。从 底层数学计算 到 大语言模型（LLM）应用开发，各个库承担着不同的角色。以下是它们的关系与适用场景：

1. 总览：功能分层

层级	框架	主要用途
LLM 应用开发	🏗 LangChain	构建 LLM 应用，集成检索增强生成（RAG）、多步任务流、工具集成
预训练模型 & NLP 任务	🤗 Hugging Face	提供 Transformer 预训练模型，如 BERT、GPT、T5，支持 NLP 任务
深度学习 & 训练 LLM	🔥 PyTorch	训练深度学习模型，如 GPT、CNN、RNN、Transformer
传统机器学习	🎯 Scikit-learn	逻辑回归、随机森林、SVM、KNN、聚类、降维等 ML 算法
数据可视化	📊 Matplotlib	绘制图表，数据可视化
数据处理	📑 Pandas	结构化数据处理（DataFrame），CSV/Excel 读取、ETL
数值计算 & 矩阵运算	🧮 NumPy	线性代数、矩阵计算、科学计算，底层支持 Pandas、PyTorch

2. 详细对比

框架	主要作用	适用场景	核