本文经AI新媒体量子比特（公众号ID：QbitAI）授权转载，转载请联系出处转载。使用Python机器学习和数据科学需要大量相关信息，各种库和工具是常用的、经常找到的、经常检查的。最近，维也纳数据科学家FlorianRohrer将此类相关资料整理成一个Python机器学习工具合集，大家可以相应更新收藏。40多个类别项目的整个列表包含40多个类别的内容：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……具体有哪些？比如核心的一些工具：pandas、scikit-learn等。有常用的库，直接链接到他们的GitHub或者官网页面。再比如可视化部分：包括可以生成3D效果图的physt：各种统计图表的Yellowbrick：这个连PPT都非常有用！资源列表大合集此外，项目贡献者还在GitHub上安利了几个不错的资源列表：大部分都是几十万star的资源列表，也有不少经典内容上万star，比如awesome-machine-learning：有各种语言项目，真的很牛逼。常用代码***，还有一部分“常用Google内容”。可能对大家有用的代码：传送门***，资源传送门：https://github.com/r0f1/datascience
