1. pandas（推荐学习：python视频教程）
pandas是python强大、灵活的数据分析和探索工具，包含series、dataframe等高级数据结构和工具，安装pandas可使python中处理数据非常快速和简单。
pandas是python的一个数据分析包，pandas最初被用作金融数据分析工具而开发出来，因此pandas为时间序列分析提供了很好的支持。
pandas是为了解决数据分析任务而创建的，pandas纳入了大量的库和一些标准的数据模型，提供了高效的操作大型数据集所需要的工具。pandas提供了大量是我们快速便捷的处理数据的函数和方法。pandas包含了高级数据结构，以及让数据分析变得快速、简单的工具。它建立在numpy之上，使得numpy应用变得简单。
2. numpy
python没有提供数组功能，numpy可以提供数组支持以及相应的高效处理函数，是python数据分析的基础，也是scipy、pandas等数据处理和科学计算库最基本的函数功能库，且其数据类型对python数据分析十分有用。
3. matplotlib
matplotlib是强大的数据可视化工具和作图库，是主要用于绘制数据图表的python库，提供了绘制各类可视化图形的命令字库、简单的接口，可以方便用户轻松掌握图形的格式，绘制各类可视化图形。
4. scipy
scipy是一组专门解决科学计算中各种标准问题域的包的集合，包含的功能有最优化、线性代数、积分、插值、拟合、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算等，这些对数据分析和挖掘十分有用。
scipy是一款方便、易于使用、专门为科学和工程设计的python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。scipy依赖于numpy，并提供许多对用户友好的和有效的数值例程，如数值积分和优化。
5. keras
keras是深度学习库，人工神经网络和深度学习模型，基于theano之上，依赖于numpy和scipy，利用它可以搭建普通的神经网络和各种深度学习模型，如语言处理、图像识别、自编码器、循环神经网络、递归审计网络、卷积神经网络等。
6. scikit-learn
scikit-learn是python常用的机器学习工具包，提供了完善的机器学习工具箱，支持数据预处理、分类、回归、聚类、预测和模型分析等强大机器学习库，其依赖于numpy、scipy和matplotlib等。
scikit-learn是基于python机器学习的模块，基于bsd开源许可证。
scikit-learn的安装需要numpy scopy matplotlib等模块，scikit-learn的主要功能分为六个部分，分类、回归、聚类、数据降维、模型选择、数据预处理。
7. scrapy
scrapy是专门为爬虫而生的工具，具有url读取、html解析、存储数据等功能，可以使用twisted异步网络库来处理网络通讯，架构清晰，且包含了各种中间件接口，可以灵活的完成各种需求。
8. gensim
gensim是用来做文本主题模型的库，常用于处理语言方面的任务，支持tf-idf、lsa、lda和word2vec在内的多种主题模型算法，支持流式训练，并提供了诸如相似度计算、信息检索等一些常用任务的api接口。
更多python相关技术文章，请访问python教程栏目进行学习！
以上就是python数据分析用什么工具的详细内容。