#pandas Repositories
Insgesamt 171 Repositories
Extrahieren Sie Daten aus einer Vielzahl von Internetquellen in einen pandas DataFrame.
Dieses Repository wurde erstellt, um Einsteigern im Machine Learning oder Personen, die sich auf ein Studium vorbereiten, zu helfen. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Visualisieren und vergleichen Sie Datensätze, Zielwerte und Assoziationen mit einer einzigen Codezeile.
100 Datenrätsel für Pandas, von kurz und einfach bis super knifflig (60% vollständig)
Mars ist ein tensorbasierter einheitlicher Rahmen für die Berechnung großer Datenmengen, der numpy, pandas, scikit-learn und Python-Funktionen skaliert.
Das Repository für den YouTube-Kurs von freeCodeCamp, Algorithmic Trading in Python
ArcticDB ist eine hochleistungsfähige, serverlose DataFrame-Datenbank, die für das Python Data Science-Ökosystem entwickelt wurde.
Jupyter-Erweiterungen, die Ihnen helfen, Code schneller zu schreiben: Kontextbezogene KI-Unterhaltung, Autovervollständigung und Tabellenkalkulation
Ein Paket, das jede Funktion effizient auf ein pandas-DataFrame oder eine -Series in der schnellsten verfügbaren Weise anwendet
Apache Hamilton hilft Datenwissenschaftlern und Ingenieuren, testbare, modulare, selbstdokumentierende Datenflüsse zu definieren, die Abstammung/Rückverfolgung und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.
PyGraphistry ist eine Python-Bibliothek, um große Graphen schnell zu laden, zu formen, einzubetten und mit dem GPU-beschleunigten Graphistry visuellen Graphenanalysator zu erkunden.
Eine Bibliothek von sklearn-kompatiblen Kategorischen Variablen-Encodern
Meistern Sie die essenziellen Fähigkeiten, die benötigt werden, um komplexe reale Probleme mit Machine Learning und Deep Learning zu erkennen und zu lösen, indem Sie das hochpopuläre Python Machine Learning-Ökosystem nutzen.
Einfacher Wrapper für tabula-java: Tabelle aus PDF in pandas DataFrame extrahieren
Der Feature Selector ist ein Werkzeug zur Dimensionsreduktion von Machine-Learning-Datensätzen
🚀 500+ kuratierte Ressourcen für Datenanalyse und Data Science: Python, SQL, Statistik, ML, KI, Visualisierung, Spickzettel, Roadmaps, Interviewvorbereitung. Für Anfänger und Experten.
Eine einheitliche Schnittstelle für verteiltes Rechnen. Fugue führt SQL-, Python-, Pandas- und Polars-Code auf Spark, Dask und Ray ohne Änderungen aus.
Geeignet für Anfänger bis Fortgeschrittene, sobald das System etabliert ist, kommt es auf die Routine an.
qstock wurde vom "Python Financial Quant"-Public Account entwickelt und zielt darauf ab, ein persönliches quantitatives Investment-Research-Analysepaket zu werden. Es umfasst derzeit die Module zur Datenbeschaffung (data), Visualisierung (plot), Aktchienauswahl (stock) und zum quantitativen Backtesting (strategy backtest). qstock bietet Benutzern einen einfachen Datenschnittstelle und standardisierte Finanzmarktdaten. Das Visualisierungsmodul bietet Benutzern eine einfache Schnittstelle für webbasierte interaktive Grafiken; das Aktienauswahlmodul bietet Aktienauswahlmethoden von Tonghuashun und benutzerdefinierte Aktienauswahl, einschließlich RPS, MM-Trend, Finanzkennzahlen, Cashflow-Modell usw.; das Backtesting-Modul bietet allen eine vektorisierte (basierend auf pandas) und ereignisgesteuerte grundlegende Struktur und ein Modell. Folgen Sie dem "Python Financial Quant"-WeChat-Public Account, um weitere Anwendungsinformationen zu erhalten.
Leichte und erweiterbare Kompatibilitätsschicht zwischen Dataframe-Bibliotheken!
Was steckt in Ihren Daten? Extrahieren Sie Schemata, Statistiken und Entitäten aus Datensätzen
Stellen Sie einen Wrapper ``StockDataFrame`` basierend auf dem ``pandas.DataFrame`` mit integrierter Unterstützung für Aktienstatistiken/-indikatoren bereit.
Saubere APIs für die Datenbereinigung. Python-Implementierung des R-Pakets Janitor
Portfolio von Data-Science-Projekten, die von mir für akademische Zwecke, zum Selbststudium und als Hobby abgeschlossen wurden.
:crown: Multivariate explorative Datenanalyse in Python — PCA, CA, MCA, MFA, FAMD, GPA
Hochleistungsberechnungen für N-dimensionale Tensoren in .NET, mit einer identischen API wie NumPy.
Gemeinsame Finanzrisiko- und Leistungsmetriken. Verwendet von zipline und pyfolio.
Einfaches und benutzerfreundliches Paket für quantitative Finanzdaten (einfaches Hilfsprogramm zum Abrufen von Finanzmarktdaten aus China)
Das JavaScript-Toolkit für Daten transformation und -analyse, inspiriert von Pandas und LINQ.
Praktisches Erlernen der Datenanalyse mit Projekten als Hauptlinie, wobei Wissenspunkte darin eingebettet sind und durch Lernen, Anwenden und Anleiten bessere Lernergebnisse erzielt werden