在進入正題之前先來了解一下python在做資料分析與機器學習模型時常常會使用到的套件吧~

• Pandas（Panel Data）：
  描述：Pandas提供了DataFrame和Series等資料結構用於數據分析的工具。
  使用場景：適用於執行資料的匯入、匯出、處理、轉換和計算統計分析等操作。
• NumPy（Numerical Python）：
  描述：NumPy提供了陣列和矩陣用於數學計算的工具。
  使用場景：適用於執行科學計算，包含數學函數與線性代數等操作。
• SciPy（Scientific Python）：
  描述：SciPy提供了相較於NumPy更多高級的科學計算函數和統計工具。
  使用場景：適用於執行積分、顯著性檢驗、訊號處理等高級數學。
• Matplotlib：
  描述：Matplotlib提供了各種繪圖工具，用於創建靜態和互動式視覺化圖表。
  使用場景：適用於呈現數據的視覺化等操作。
• Seaborn：
  描述：Seaborn提供了相較於Matplotlib更高級的數據視覺化庫，以便快速創建各種統計圖表。
  使用場景：適用於呈現數據的視覺化等操作。
• Sklearn（Scikit-Learn）：
  描述：Sklearn提供了各種機器學習演算法、預處理方法和模型評估工具。
  使用場景：適用於需建立機器學習模型來進行數據分析、模型評估和預測等操作。

我們在做套件的匯入時，會使用"import [套件]"的語法將套件匯入進來，如果是想匯入套件內的特定函式的話，則使用 "from [套件] import [函式]"的語法來做匯入，舉例來說：

情境一、當我們想做機器學習模型時，會使用下列語法將套件匯入

import sklearn

情境二、當我們想做機器學習中的模型評估時，會使用下列語法將套件匯入：

from sklearn.metrics import classification_report