本文经AI新媒体量子位（公众号 ID: QbitAI）授权转载，转载请联系出处”。
用Python搞机器学习、数据科学，需要很多相关的资料，各种库、工具，都是常用、常找、常查的内容。
最近，维也纳的数据科学家Florian Rohrer把这类相关资料整理成了一个Python机器学习工具合辑，可以照着更新一下自己的收藏夹了。
四十几类项目
整个列表中，包含超过40类内容：
核心工具、Pandas和Jupyter、文本提取、大数据、统计、特征提取、可视化、地理工具、推荐系统、决策树、NLP、CV、神经网络、GPU、聚类、机器学习可解释性、强化学习……
具体都有什么呢?比如***部分核心工具：
pandas、scikit-learn这些常用的库都有，直接链接到它们的GitHub或者官网页面。
再比如说可视化部分：
包括可以生成3D效果图的physt：
做各种统计图表的Yellowbrick：
这哪怕是做PPT，都非常有用啊!
资源列表大集结
另外，项目贡献者还安利了几个GitHub上不错的资源列表：
大部分都是几百几千星的资源表，也有不少标星数万的经典内容，比如awesome-machine-learning：
各种语言项目都有，是真的awesome。
常用代码
***，还有一个部分是“经常Google的内容”。
可能对大家有用的代码：
传送门
***，送上资源传送门：
https://github.com/r0f1/datascience
