在Python中，有许多常用的数据分析工具和模块可供使用。以下是一些常见的Python数据分析工具和模块：

　　1. NumPy：NumPy是Python科学计算的基础库，提供了多维数组对象和各种数学函数，用于处理大规模数据和执行数值计算。

　　2. pandas：pandas是用于数据分析和处理的强大库，提供了高性能、易用的数据结构和数据分析工具，如Series(一维数据)和DataFrame(二维数据)。

　　3. Matplotlib：Matplotlib是一个用于绘制二维图表和可视化数据的库，可以创建折线图、散点图、柱状图等多种图形。

　　4. Seaborn：Seaborn是基于Matplotlib的数据可视化库，提供了更高级的统计图表和绘图功能，可以轻松创建各种统计图形。

　　5. SciPy：SciPy是一个用于科学计算的库，包含了许多数学、科学和工程计算的模块，如线性代数、优化、插值等。

　　6. scikit-learn：scikit-learn是一个机器学习库，提供了各种常用的机器学习算法和工具，用于分类、回归、聚类等任务。

　　7. StatsModels：StatsModels是一个统计模型库，提供了各种统计模型和统计方法，用于回归分析、时间序列分析、假设检验等。

　　8. TensorFlow：TensorFlow是一个开源的机器学习框架，用于构建和训练深度学习模型，支持各种神经网络架构和算法。

　　9. Keras：Keras是一个高级神经网络库，基于TensorFlow等后端引擎，提供了简单易用的接口，用于快速构建和训练神经网络模型。

　　10. Jupyter Notebook：Jupyter Notebook是一个交互式的数据分析和可视化环境，可以在浏览器中编写和运行代码，并实时展示结果。

　　这些工具和模块提供了丰富的功能和方法，使得Python成为一种强大的数据分析和科学计算工具。根据具体的需求和任务，可以选择合适的工具和模块进行数据分析和处理。