Python 数据分析常用的框架包括：
NumPy：
提供高性能的多维数组对象（ndarray）以及对数组进行操作的函数，适合大规模数据计算和科学计算。
Pandas：
建立在 NumPy 之上，提供易于使用的数据操作和分析功能，包括 DataFrame 和 Series 等数据结构。
Matplotlib：
用于创建高质量的二维图形，支持各种绘图选项，如线图、散点图、柱状图等。
Seaborn：
基于 Matplotlib 的统计数据可视化库，提供高级绘图函数和样式。
SciPy：
建立在 NumPy 之上，提供更多的功能模块，如线性代数、优化、信号处理、统计、积分、插值等。
StatsModels：
提供统计建模和计量经济学工具包。
Scikit-learn：
包含各种分类算法、回归算法和聚类算法，如梯度提升、随机森林、K均值向量机等。
Dask：
用于并行计算，可以处理比内存更大的数据集。
PySpark：
用于大规模数据处理，基于 Apache Spark。
Hadoop：
用于大规模数据处理，基于分布式文件系统。
TensorFlow 和 Keras：
用于深度学习和机器学习。
这些库可以单独使用，也可以组合使用，以满足不同的数据分析需求。您可以根据具体的项目需求选择合适的框架