Git Stars Git Stars

#data-cleaning Repositories

Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #data-cleaning getaggt sind und insgesamt 83,468 Sterne gesammelt haben (durchschnittlich 2,529 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist cleanlab/cleanlab mit 11,755 Sternen.

33
Gesamtzahl der Repositories
83,468
Gesamtanzahl der Sterne
2,529
Durchschnittliche Sterne/Repo

Insgesamt 33 Repositories

1
cleanlab/cleanlab

Cleanlab's Open-Source-Bibliothek ist das Standard-Data-Centric-AI-Paket für Datenqualität und maschinelles Lernen mit unordentlichen, realen Daten und Labels.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Aktualisiert 2026-01-13 📅 Erstellt 2018-05-11
2
voxel51/fiftyone

Hochwertige Datensätze und visuelle KI-Modelle verfeinern

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2020-04-22
3
johnkerl/miller

Miller ist wie awk, sed, cut, join und sort für namenindizierte Daten wie CSV, TSV und tabellarisches JSON.

johnkerl
⭐ 10,069 Go 👤 johnkerl User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2015-05-03
4
OpenDCAI/DataFlow

[SIGMOD'27] Einfache Datenaufbereitung mit den neuesten LLM-basierten Operatoren und Pipelines.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2024-10-13
5
jvns/pandas-cookbook

Rezepte zur Verwendung der pandas-Bibliothek von Python

jvns
⭐ 6,988 Jupyter Notebook 👤 jvns User 🕐 Aktualisiert 2024-10-24 📅 Erstellt 2013-12-21
6
unionai-oss/pandera

Eine leichte, flexible und ausdrucksstarke Bibliothek für statistische Datentests

unionai-oss
⭐ 4,532 Python 👤 unionai-oss Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2018-11-01
7
seatgeek/thefuzz

Fuzzy String Matching in Python

seatgeek
⭐ 3,629 Python 👤 seatgeek Organization 🕐 Aktualisiert 2025-03-03 📅 Erstellt 2021-03-05
8
justmarkham/pandas-videos

Jupyter Notebook und Datensätze aus der Pandas-Video-Serie

justmarkham
⭐ 2,249 Jupyter Notebook 👤 justmarkham User 🕐 Aktualisiert 2024-03-05 📅 Erstellt 2016-03-31
9
mahavivo/english-wordlists

Liste gebräuchlicher englischer Vokabeln

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Aktualisiert 2024-05-11 📅 Erstellt 2017-12-30
10
skrub-data/skrub

Maschinelles Lernen mit DataFrames

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2018-03-12
11
justmarkham/DAT8

General Assembly's 2015 Data-Science-Kurs in Washington, DC

justmarkham
⭐ 1,622 Jupyter Notebook 👤 justmarkham User 🕐 Aktualisiert 2024-06-05 📅 Erstellt 2015-08-07
12
hi-primus/optimus

:truck: Agile Data Preparation Workflows leicht gemacht mit Pandas, Dask, cuDF, Dask-cuDF, Vaex und PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Aktualisiert 2024-12-02 📅 Erstellt 2017-07-13
13
sfirke/janitor

Einfache Tools für die Datenbereinigung in R

sfirke
⭐ 1,461 R 👤 sfirke User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2016-04-12
14
data-forge/data-forge-ts

Das JavaScript-Toolkit für Daten transformation und -analyse, inspiriert von Pandas und LINQ.

data-forge
⭐ 1,392 TypeScript 👤 data-forge Organization 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2017-11-27
15
datawhalechina/hands-on-data-analysis

Praktisches Erlernen der Datenanalyse mit Projekten als Hauptlinie, wobei Wissenspunkte darin eingebettet sind und durch Lernen, Anwenden und Anleiten bessere Lernergebnisse erzielt werden

datawhalechina
⭐ 1,375 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aktualisiert 2024-05-29 📅 Erstellt 2020-07-14
16
weiruihhh/cs336_note_and_hw

Meine Notizen und Aufgaben während des CS336-Kurses aufzeichnen.

weiruihhh
⭐ 1,305 Python 👤 weiruihhh User 🕐 Aktualisiert 2026-10-10 📅 Erstellt 2025-06-01
17
DataWithBaraa/sql-data-warehouse-project

Erstellen Sie in SQL Server ein Data Warehouse aus zwei Quellsystemen, einem CRM und einem ERP, über die Bronze-, Silber- und Goldschicht. Dateien und Skripte des kostenlosen vollständigen Projekts.

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 Aktualisiert 2026-11-06 📅 Erstellt 2024-12-30
18
ECNU-ICALK/EduChat

Ein Open-Source-Bildungs-Chatmodell von ICALK, East China Normal University. Open-Source-chinesisch-englischer Bildungs-Dialog-Großmodell. (Universelles Basismodell, GPU-Bereitstellung, Datenbereinigung) Hommage an: LLaMA, MOSS, BELLE, Ziya, vLLM

ECNU-ICALK
⭐ 952 Jupyter Notebook 👤 ECNU-ICALK Organization 🕐 Aktualisiert 2025-07-18 📅 Erstellt 2023-06-26
19
PacktPublishing/Hands-on-Exploratory-Data-Analysis-with-Python

„Hands-on Exploratory Data Analysis with Python“, veröffentlicht von Packt

PacktPublishing
⭐ 921 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Aktualisiert 2026-07-05 📅 Erstellt 2019-10-07
20
HKUSTDial/awesome-data-agents

Kontinuierlich aktualisierte Liste von Papieren zu Fortschritten bei Data Agents. Begleit-Repository zu unserem Paper „A Survey of Data Agents: Emerging Paradigm or Overstated Hype?“

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2025-08-31
21
JakeBayer/FuzzySharp

Implementierung des Fuzzy-String-Matchings des bekannten Python-FuzzyWuzzy-Algorithmus von Seat Geek in C# .NET.

JakeBayer
⭐ 776 C# 👤 JakeBayer User 🕐 Aktualisiert 2024-08-20 📅 Erstellt 2018-04-10
22
JulietMirambo/Units_of_Measure_Harmonization-intelligence-platform

ML-System in Produktionsqualität zur automatisierten Erkennung von Einheitenmessfehlern | 88-92% Genauigkeit | 94% Autonomie | KNIME Workflow

JulietMirambo
⭐ 732 PowerShell 👤 JulietMirambo User 🕐 Aktualisiert 2026-05-21 📅 Erstellt 2025-10-20
23
derek73/python-nameparser

Zerlegt Personennamen in Anrede, Vorname, zweiten Vornamen, Nachname, Suffix, Spitznamen und Geburtsnamen. Mit Typisierung, ohne Abhängigkeiten und CJK-kompatibel.

derek73
⭐ 721 Python 👤 derek73 User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2014-04-02
24
saddamskst/Skill-Course-10x

Dieses Tool wurde von Md Saddam (YT-Saddam Tech) entwickelt.

saddamskst
⭐ 652 👤 saddamskst User 🕐 Aktualisiert 2024-12-29 📅 Erstellt 2024-12-15
25
TheEconomist/covid-19-excess-deaths-tracker

Quellcode und Daten für den Tracker für überschüssige COVID-19-Todesfälle von The Economist

TheEconomist
⭐ 646 R 👤 TheEconomist Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2020-05-15
26
lgreski/datasciencectacontent

Repository für Community-Mentor-Inhalte im Zusammenhang mit der Johns Hopkins University Data Science Specialization auf Coursera

lgreski
⭐ 640 HTML 👤 lgreski User 🕐 Aktualisiert 2026-06-07 📅 Erstellt 2015-10-29
27
vber/free-augmentcode

Für unbegrenzte AugmentCode VSCode-Plugin-Nutzung. Ein Tool, mit dem Sie das AugmentCode VSCode-Plugin unbegrenzt nutzen können.

vber
⭐ 621 Python 👤 vber User 🕐 Aktualisiert 2025-08-11 📅 Erstellt 2025-05-29
28
zsylvester/segmenteverygrain

Ein SAM-basiertes Modell für die Instanzsegmentierung von Getreidebildern

zsylvester
⭐ 562 Jupyter Notebook 👤 zsylvester User 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2023-05-25
29
longshotlabs/simpl-schema

Ein JavaScript-Schema-Validierungspaket, das die direkte Validierung von MongoDB Update Modifier-Objekten unterstützt

longshotlabs
⭐ 559 TypeScript 👤 longshotlabs Organization 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2016-07-01
30
akanz1/klib

Einfach zu bedienende Python-Bibliothek mit benutzerdefinierten Funktionen zur Datenbereinigung und -analyse.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Aktualisiert 2026-10-28 📅 Erstellt 2020-03-25
31
Desbordante/desbordante-core

Desbordante ist ein leistungsstarker Datenprofiler, der mithilfe verschiedener Algorithmen viele unterschiedliche Muster in Daten erkennen kann. Außerdem können mit diesen Algorithmen Szenarien zur Datenbereinigung ausgeführt werden. Desbordante ist als Konsolenversion und als benutzerfreundliche Webanwendung verfügbar.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2020-04-09
32
koaning/doubtlab

Zweifeln Sie Ihre Daten an, finden Sie schlechte Labels.

koaning
⭐ 517 Python 👤 koaning User 🕐 Aktualisiert 2024-07-15 📅 Erstellt 2021-11-05
33
schema-inspector/schema-inspector

Schema-Inspector ist ein einfaches Modul zur Bereinigung und Validierung von JavaScript-Objekten.

schema-inspector
⭐ 503 JavaScript 👤 schema-inspector Organization 🕐 Aktualisiert 2026-10-05 📅 Erstellt 2014-01-02

Häufig gestellte Fragen

1

Welches ist das beliebteste #data-cleaning-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#data-cleaning-Projekt auf GitHub ist cleanlab/cleanlab mit 11,755 Sternen. Cleanlab's Open-Source-Bibliothek ist das Standard-Data-Centric-AI-Paket für Datenqualität und maschinelles Lernen mit unordentlichen, realen Daten und Labels.

2

Welche Programmiersprachen werden in #data-cleaning-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #data-cleaning-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, R die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #data-cleaning-Repositories berechnet?

Wir verfolgen 33 aktive Open-Source-Repositories, die mit #data-cleaning getaggt sind (500+ Sterne), mit insgesamt 83,468 Sternen und durchschnittlich 2,529 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.