利用Python进行自然语言处理主要依赖于Python所涵盖的丰富而强大的库：

1、Gensim

　　Gensim是一个用于从文档中自动提取语义主题的Python库，目标受众是自然语言处理(NLP)和信息检索(IR)社区。具有特性：1)内存独立;2)有效实现了许多流行的向量空间算法-包括tf-idf、分布式LSA、分布式LDA以及RP，并且很容易添加新算法;3)对流行的数据格式进行了IO封装和转换;4)在其语义表达中，可以相似查询。

2、NaturalLanguageToolKIT[NLTK]

　　它是可用来训练NLP模型的最好的库之一，是一个初学者友好的NLP库。它有很多预先训练好的模型和语料库，可以帮助我们很容易地分析事物。

3、Pattern

　　Pattern是采用Python开发的数据挖掘库，用于抓取和解析各种数据源，如谷歌、Twitter、Wikipedia等。它提供了各种NLP工具(PoS标签、n-gram、WordNet)、机器学习功能(向量空间模型、聚类、分类)和用于进行网络分析的各种工具。它是由CLiPS维护的，因此不仅有很好的文档和许多例子，而且有许多学术出版物正在利用图书馆。

4、TextBlob

　　它基于Pattern和NLTK，后者为所有常见的NLP操作提供了一个很棒的API调用。它不是最快或最完整的库，但它以一种极容易访问和管理的方式提供了人们日常所需功能。

5、spaCy(英语文本处理工具库)

　　它是一个高级的NLP库，可在Python和Cython中的使用，它帮助我们可以进行快速的开发。spaCy提供了预先训练的统计模型和单词向量，目前支持50多种语言的标记化。它具有最先进的速度，卷积神经网络模型的标签，解析和命名实体识别和易于深入学习集成。

　　除了以上工具库，Python还包含Numpy(矩阵运算库)、Scipy(统计运算库)、Matplotlib(绘图库)、pandas(数据集操作)、Sympy(数值运算库)等库，可以很好的运用于数据分析。