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