Python是一種強大的編程語言，配合Python常用庫，在許多領域中都可以發揮出色的效果。本文將介紹Python中一些常用庫的用法。

# NumPy庫
import numpy as np
#創建一維數組
a = np.array([1, 2, 3])
print(a)
#創建二維數組
b = np.array([[1, 2, 3], [4, 5, 6]])
print(b)
# Pandas庫
import pandas as pd
#創建Series
s = pd.Series([1, 3, 5, np.nan, 6, 8])
print(s)
#創建DataFrame
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
print(df)
# Matplotlib庫
import matplotlib.pyplot as plt
#繪制折線圖
x = [1, 2, 3, 4, 5]
y = [4, 2, 7, 1, 6]
plt.plot(x, y)
plt.show()
#繪制散點圖
x = [1, 2, 3, 4, 5]
y = [4, 2, 7, 1, 6]
plt.scatter(x, y)
plt.show()
# Scikit-learn庫
from sklearn import svm, datasets
#加載鳶尾花數據集
iris = datasets.load_iris()
#分類
X = iris.data[:, :2]
y = iris.target
#使用線性核函數和C=1.0來創建svm
clf = svm.SVC(kernel='linear', C=1.0)
clf.fit(X, y)
#繪制決策邊界
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.coolwarm)
ax = plt.gca()
xlim = ax.get_xlim()
ylim = ax.get_ylim()
xx = np.linspace(xlim[0], xlim[1], 30)
yy = np.linspace(ylim[0], ylim[1], 30)
YY, XX = np.meshgrid(yy, xx)
xy = np.vstack([XX.ravel(), YY.ravel()]).T
Z = clf.decision_function(xy).reshape(XX.shape)
ax.contour(XX, YY, Z, colors='k', levels=[-1, 0, 1], alpha=0.5,
linestyles=['--', '-', '--'])
plt.show()

以上是Python中一些常用庫的用法，包括NumPy庫的數組運算、Pandas庫的數據結構、Matplotlib庫的數據可視化和Scikit-learn庫的機器學習。