#pandas Repositories
Entdecke 171 aktive Open-Source-GitHub-Repositories, die mit #pandas getaggt sind und insgesamt 850,412 Sterne gesammelt haben (durchschnittlich 4,973 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Asabeneh/30-Days-Of-Python mit 79,242 Sternen.
Insgesamt 171 Repositories
Die '30 Tage Python'-Programmierherausforderung ist eine Schritt-für-Schritt-Anleitung, um die Programmiersprache Python in 30 Tagen zu lernen. Diese Herausforderung kann auch mehr als 100 Tage dauern. Folgen Sie Ihrem eigenen Tempo. Auch diese Videos könnten hilfreich sein: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Flexible und leistungsstarke Bibliothek für die Datenanalyse / -manipulation in Python, die beschriftete Datenstrukturen ähnlich wie R data.frame-Objekte, statistische Funktionen und vieles mehr bereitstellt
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
Materialien und IPython-Notebooks für "Python for Data Analysis" von Wes McKinney, veröffentlicht von O'Reilly Media
Chatten Sie mit Ihrer Datenbank oder Ihrem Datalake (SQL, CSV, Parquet). PandasAI macht Datenanalyse gesprächig mit LLMs und RAG.
🤗 Die größte Drehscheibe für einsatzbereite Datensätze für KI-Modelle mit schnellen, einfach zu bedienenden und effizienten Werkzeugen zur Datenmanipulation
Abu Quantitative Trading System (Aktien, Optionen, Futures, Bitcoin, Machine Learning) Open-Source-Quantitative-Trading basierend auf Python, Quantitative-Investment-Architektur
PyGWalker: Verwandeln Sie Ihren Dataframe in eine interaktive Benutzeroberfläche für die visuelle Analyse
TuShare ist ein Dienstprogramm zum Crawlen historischer Daten von chinesischen Aktien
1 Zeile Code für Datenqualitäts-Profiling & explorative Datenanalyse für Pandas- und Spark-DataFrames.
Künstliche Intelligenz Lernkarte, Zusammenstellung von fast 200 praktischen Fällen und Projekten, kostenlose Begleitbücher, Einstieg ohne Vorkenntnisse, berufliche Praxis! Enthalten: Python, Mathematik, Machine Learning, Data-Analyse, Deep Learning, Computer Vision, Natural Language Processing, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv usw. beliebte Bereiche
Modin: Skalieren Sie Ihre Pandas-Workflows, indem Sie nur eine Codezeile ändern
《Python für Data Analysis · 2. Auflage》
A‑Aktien‑automatisches Auswahlsystem — scannt automatisch mehrere technische Muster, läuft nach Börsenschluss automatisch und sendet die Ergebnisse an Feishu
Danfo.js ist eine Open-Source-JavaScript-Bibliothek, die hochleistungsfähige, intuitive und einfach zu bedienende Datenstrukturen für die Manipulation und Verarbeitung strukturierter Daten bietet.
Mimesis ist eine Python-Bibliothek zum Generieren von gefälschten, aber realistischen Daten in verschiedenen Sprachen und Gebietsschemas.
Eine leichte, flexible und ausdrucksstarke Bibliothek für statistische Datentests
Python-Toolkit für Quantitative Finance: Aktienanalyse, technische Indikatoren, Strategie-Backtesting, Portfoliooptimierung und Finanzmodellierung.
Open-Source-Python-Herausforderungskurse – dein KI-Coding-Agent unterrichtet, und verify.py entscheidet, wann du fertig bist.
pandas auf AWS - Einfache Integration mit Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer und S3 (Parquet, CSV, JSON und EXCEL).
Ein einfaches und effizientes Tool, um Pandas-Operationen auf allen verfügbaren CPUs zu parallelisieren
Dies sind die handschriftlichen Notizen von Andrew NG auf Coursera.
Häufig gestellte Fragen
Welches ist das beliebteste #pandas-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#pandas-Projekt auf GitHub ist Asabeneh/30-Days-Of-Python mit 79,242 Sternen. Die '30 Tage Python'-Programmierherausforderung ist eine Schritt-für-Schritt-Anleitung, um die Programmiersprache Python in 30 Tagen zu lernen. Diese Herausforderung kann auch mehr als 100 Tage dauern. Folgen Sie Ihrem eigenen Tempo. Auch diese Videos könnten hilfreich sein: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Welche Programmiersprachen werden in #pandas-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #pandas-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #pandas-Repositories berechnet?
Wir verfolgen 171 aktive Open-Source-Repositories, die mit #pandas getaggt sind (500+ Sterne), mit insgesamt 850,412 Sternen und durchschnittlich 4,973 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.