Git Stars Git Stars

#data Repositorios

Descubre 232 repositorios activos de código abierto de GitHub etiquetados con #data, que acumulan 1,106,761 estrellas en total (una media de 4,770 estrellas por proyecto). El líder de este tema es D4Vinci/Scrapling, con 104,760 estrellas.

232
Total de Repositorios
1.1M
Total de estrellas
4,770
Promedio de Estrellas/Repo

232 repositorios en total

1
D4Vinci/Scrapling

🕷️ ¡El MEJOR framework de web scraping, capaz de gestionar desde una sola solicitud hasta un rastreo a gran escala! No seas tímido: únete aquí https://discord.gg/EMgGbDceNQ y síguenos aquí para recibir consejos y trucos a diario: https://x.com/Scrapling_dev

D4Vinci
⭐ 104,760 Python 👤 D4Vinci User 🕐 Actualizado 2026-11-17 📅 Creado 2024-10-13
2
Asabeneh/30-Days-Of-Python

El desafío de programación '30 Días de Python' es una guía paso a paso para aprender el lenguaje de programación Python en 30 días. Este desafío puede tomar más de 100 días. Sigue tu propio ritmo. Estos videos también pueden ser de ayuda: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw

Asabeneh
⭐ 79,242 Python 👤 Asabeneh User 🕐 Actualizado 2026-09-30 📅 Creado 2019-11-19
3
run-llama/llama_index

LlamaIndex es la plataforma de procesamiento de documentos para la IA

run-llama
⭐ 52,973 Python 👤 run-llama Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-11-02
4
TanStack/query

🤖 Potente gestión asíncrona de estados, utilidades de estado del servidor y recuperación de datos para la web. TS/JS, React Query, Solid Query, Svelte Query y Vue Query.

TanStack
⭐ 50,604 TypeScript 👤 TanStack Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-09-10
5
metabase/metabase

La herramienta de Business Intelligence y análisis integrados de código abierto fácil de usar que permite a todos trabajar con datos :bar_chart:

metabase
⭐ 50,457 Clojure 👤 metabase Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-02-02
6
DataExpert-io/data-engineer-handbook

Este es un repositorio con enlaces a todo lo que jamás querrías aprender sobre ingeniería de datos

DataExpert-io
⭐ 45,237 Jupyter Notebook 👤 DataExpert-io Organization 🕐 Actualizado 2026-08-03 📅 Creado 2023-11-19
7
SheetJS/sheetjs

📗 SheetJS Spreadsheet Data Toolkit -- Nuevo hogar https://git.sheetjs.com/SheetJS/sheetjs

SheetJS
⭐ 36,097 👤 SheetJS Organization 🕐 Actualizado 2024-04-18 📅 Creado 2012-12-03
8
vercel/swr

React Hooks para la obtención de datos

vercel
⭐ 32,497 TypeScript 👤 vercel Organization 🕐 Actualizado 2026-10-16 📅 Creado 2019-10-28
9
PrefectHQ/prefect

Prefect es un marco de orquestación de flujos de trabajo para construir tuberías de datos resilientes en Python.

PrefectHQ
⭐ 24,203 Python 👤 PrefectHQ Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-06-29
10
sinaptik-ai/pandas-ai

Chatea con tu base de datos o tu datalake (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional utilizando LLMs y RAG.

sinaptik-ai
⭐ 23,905 Python 👤 sinaptik-ai Organization 🕐 Actualizado 2025-10-28 📅 Creado 2023-04-22
11
akfamily/akshare

AKShare es una biblioteca de interfaz de datos financieros elegante y simple para Python, ¡construida para humanos! Biblioteca de interfaz de datos financieros de código abierto

akfamily
⭐ 23,425 Python 👤 akfamily Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-10-01
12
airbytehq/airbyte

Movimiento de datos de código abierto para pipelines ELT y agentes de IA — de APIs, bases de datos y archivos a almacenes, lagos y aplicaciones de IA. Tanto autoalojado como Cloud.

airbytehq
⭐ 22,426 Python 👤 airbytehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-07-27
13
fivethirtyeight/data

Datos y código detrás de los artículos y gráficos de FiveThirtyEight

fivethirtyeight
⭐ 17,385 Jupyter Notebook 👤 fivethirtyeight Organization 🕐 Actualizado 2025-02-25 📅 Creado 2014-03-17
14
prestodb/presto

El sitio oficial de Presto, el motor de consultas SQL distribuido para big data

prestodb
⭐ 16,777 Java 👤 prestodb Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-08-09
15
faker-js/faker

Genere grandes cantidades de datos falsos en el navegador y en node.js

faker-js
⭐ 15,556 TypeScript 👤 faker-js Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-01-07
16
oxnr/awesome-bigdata

Una lista curada de increíbles frameworks de big data, recursos y otras maravillas.

oxnr
⭐ 14,744 👤 oxnr User 🕐 Actualizado 2026-11-13 📅 Creado 2014-07-04
17
apple/pkl

Un lenguaje de configuración como código con rica validación y herramientas.

apple
⭐ 11,585 Java 👤 apple Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-01-19
18
PRQL/prql

PRQL es un lenguaje moderno para transformar datos, un reemplazo de SQL simple, potente y basado en canalizaciones.

PRQL
⭐ 10,948 Rust 👤 PRQL Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-18
19
neondatabase/electric

La plataforma de agentes construida sobre sync.

neondatabase
⭐ 10,434 TypeScript 👤 neondatabase Organization 🕐 Actualizado 2026-11-18 📅 Creado 2022-06-01
20
bchavez/Bogus

:card_index: Un generador simple de datos falsos para C#, F# y VB.NET. Basado en y portado desde el famoso faker.js.

bchavez
⭐ 9,752 C# 👤 bchavez User 🕐 Actualizado 2025-12-22 📅 Creado 2015-06-06
21
rawgraphs/rawgraphs-app

Una interfaz web para crear visualizaciones personalizadas basadas en vectores sobre el núcleo de RAWGraphs

rawgraphs
⭐ 9,058 JavaScript 👤 rawgraphs Organization 🕐 Actualizado 2026-10-08 📅 Creado 2013-04-17
22
mage-ai/mage-ai

🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.

mage-ai
⭐ 8,850 Python 👤 mage-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-05-16
23
OpenDCAI/DataFlow

[SIGMOD'27] Preparación sencilla de datos con los operadores y pipelines más recientes basados en LLM.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-10-13
24
tabulator-tables/tabulator

Tablas interactivas y cuadrículas de datos para JavaScript

tabulator-tables
⭐ 7,825 JavaScript 👤 tabulator-tables Organization 🕐 Actualizado 2026-11-19 📅 Creado 2015-10-24
25
datajuicer/data-juicer

Procesamiento de datos para y con modelos fundacionales. 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-08-01
26
snowplow/snowplow

El líder en Infraestructura de Datos de Clientes

snowplow
⭐ 7,052 Scala 👤 snowplow Organization 🕐 Actualizado 2026-10-19 📅 Creado 2012-03-01
27
speedyapply/2027-AI-College-Jobs

Lista de pasantías y empleos para nuevos graduados en IA/ML 2027 actualizada diariamente

speedyapply
⭐ 6,657 👤 speedyapply Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-09-11
28
cloudquery/cloudquery

Pipelines de datos para la configuración en la nube y los datos de seguridad. Desarrolle soluciones de inventario de activos en la nube, CSPM, FinOps y gestión de vulnerabilidades. Extracción de datos de AWS, Azure, GCP y más de 70 fuentes cloud y SaaS.

cloudquery
⭐ 6,561 Go 👤 cloudquery Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-11-18
29
cue-lang/cue

¡El hogar del lenguaje CUE! Valida y define configuraciones basadas en texto y dinámicas

cue-lang
⭐ 6,335 Go 👤 cue-lang Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-07-02
30
axa-group/Parsr

Transforma PDF, Documentos e Imágenes en Datos Estructurados Enriquecidos

axa-group
⭐ 6,175 JavaScript 👤 axa-group Organization 🕐 Actualizado 2026-03-20 📅 Creado 2019-08-05
31
dlt-hub/dlt

Data Load Tool (dlt) es una biblioteca Python de código abierto que facilita la carga de datos 🛠️

dlt-hub
⭐ 6,115 Python 👤 dlt-hub Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-01-26
32
mdn/browser-compat-data

Datos de compatibilidad del navegador para tecnologías web tal como se muestran en MDN

mdn
⭐ 5,800 JSON 👤 mdn Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-03-29
33
airbnb/knowledge-repo

Una plataforma de compartición de conocimiento curada de próxima generación para científicos de datos y otras profesiones técnicas.

airbnb
⭐ 5,537 Python 👤 airbnb Organization 🕐 Actualizado 2024-09-04 📅 Creado 2016-08-17
34
BIT-DataLab/Edit-Banana

Edit Banana: Un marco para convertir formatos estadísticos en editables.

BIT-DataLab
⭐ 5,510 Python 👤 BIT-DataLab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-01-16
35
glideapps/glide-data-grid

🚀 Glide Data Grid es una cuadrícula de datos de React sin concesiones y extremadamente rápida con renderizado enriquecido, accesibilidad de primera clase y soporte completo de TypeScript.

glideapps
⭐ 5,448 TypeScript 👤 glideapps Organization 🕐 Actualizado 2026-11-13 📅 Creado 2020-10-28
36
brianvoe/gofakeit

Generador de datos falsos aleatorios escrito en Go

brianvoe
⭐ 5,408 Go 👤 brianvoe User 🕐 Actualizado 2026-11-20 📅 Creado 2015-04-24
37
superduper-io/superduper

Superduper: Framework de extremo a extremo para la creación de aplicaciones y agentes de IA personalizados.

superduper-io
⭐ 5,317 Python 👤 superduper-io Organization 🕐 Actualizado 2025-09-01 📅 Creado 2022-08-30
38
tinyplex/tinybase

Un almacén de datos reactivo y un motor de sincronización.

tinyplex
⭐ 5,219 TypeScript 👤 tinyplex Organization 🕐 Actualizado 2026-11-18 📅 Creado 2021-12-31
39
ckan/ckan

CKAN es un DMS (sistema de gestión de datos) de código abierto para impulsar centros de datos y portales de datos. CKAN facilita la publicación, el intercambio y el uso de datos. Alimenta catalog.data.gov, open.canada.ca/data, data.humdata.org entre muchos otros sitios.

ckan
⭐ 5,162 Python 👤 ckan Organization 🕐 Actualizado 2026-11-20 📅 Creado 2011-11-10
40
ArroyoSystems/arroyo

Motor de procesamiento distribuido de flujos en Rust

ArroyoSystems
⭐ 5,083 Rust 👤 ArroyoSystems Organization 🕐 Actualizado 2026-11-18 📅 Creado 2023-03-31
41
lk-geimfari/mimesis

Mimesis es una biblioteca de Python para generar datos falsos pero realistas en múltiples idiomas y configuraciones regionales.

lk-geimfari
⭐ 4,873 Python 👤 lk-geimfari User 🕐 Actualizado 2026-11-13 📅 Creado 2016-09-09
42
mlabonne/llm-datasets

Lista curada de conjuntos de datos y herramientas para entrenamiento posterior.

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 Actualizado 2026-04-29 📅 Creado 2024-04-27
43
ruc-datalab/DeepAnalyze

DeepAnalyze es el primer LLM agéntico para la ciencia de datos autónoma. 🎈 ¡Tu analista de datos de IA que analiza automáticamente grandes cantidades de datos y genera informes de análisis profesionales con un solo clic!

ruc-datalab
⭐ 4,833 Python 👤 ruc-datalab Organization 🕐 Actualizado 2026-11-02 📅 Creado 2025-10-11
44
tensorflow/datasets

TFDS es una colección de conjuntos de datos listos para usar con TensorFlow, Jax, ...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Actualizado 2026-11-13 📅 Creado 2018-09-10
45
jonschlinkert/gray-matter

Analizador de metadatos YAML más inteligente, utilizado por metalsmith, Gatsby, Netlify, Assemble, mapbox-gl, phenomic, vuejs vitepress, TinaCMS, Shopify Polaris, Ant Design, Astro, hashicorp, garden, slidev, saber, sourcegraph y muchos otros. Fácil de usar y probado en batalla. Analiza YAML por defecto, pero también puede analizar JSON Front Matter, Coffee Front Matter, TOML Front Matter y tiene soporte para analizadores personalizados. Por favor, siga al autor de gray-matter: https://github.com/jonschlinkert

jonschlinkert
⭐ 4,452 JavaScript 👤 jonschlinkert User 🕐 Actualizado 2025-06-14 📅 Creado 2014-01-28
46
truefoundry/cognita

Framework RAG (Retrieval Augmented Generation) para construir aplicaciones modulares de código abierto para producción por TrueFoundry

truefoundry
⭐ 4,329 Python 👤 truefoundry Organization 🕐 Actualizado 2026-02-23 📅 Creado 2023-07-26
47
StructuredLabs/preswald

Preswald es un empaquetador WASM para aplicaciones de datos interactivas basadas en Python: empaquete flujos de trabajo de datos complejos completos, en particular visualizaciones, en archivos únicos, ejecutables completamente en el navegador, utilizando Pyodide, DuckDB, Pandas y Plotly, Matplotlib, etc. Cree paneles, informes y cuadernos que se ejecuten sin conexión, carguen rápido y se compartan como un documento.

StructuredLabs
⭐ 4,266 Python 👤 StructuredLabs Organization 🕐 Actualizado 2026-06-11 📅 Creado 2024-12-14
48
ucbepic/docetl

Un sistema para el procesamiento de datos y ETL impulsado por LLM agentivo

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Actualizado 2026-11-17 📅 Creado 2024-07-09
49
quadratichq/quadratic

Hoja de cálculo con IA, Código, Conexiones

quadratichq
⭐ 3,958 Rust 👤 quadratichq Organization 🕐 Actualizado 2026-03-07 📅 Creado 2021-11-11
50
Jon-Becker/prediction-market-analysis

Un marco para recopilar y analizar datos de mercado de predicción, que incluye el conjunto de datos público más grande disponible sobre los mercados y transacciones de Polymarket y Kalshi.

Jon-Becker
⭐ 3,950 Python 👤 Jon-Becker User 🕐 Actualizado 2026-10-29 📅 Creado 2025-11-22

Preguntas frecuentes

1

¿Cuál es el repositorio de #data más popular en GitHub?

El proyecto de código abierto de #data mejor posicionado en GitHub es D4Vinci/Scrapling, con 104,760 estrellas. 🕷️ ¡El MEJOR framework de web scraping, capaz de gestionar desde una sola solicitud hasta un rastreo a gran escala! No seas tímido: únete aquí https://discord.gg/EMgGbDceNQ y síguenos aquí para recibir consejos y trucos a diario: https://x.com/Scrapling_dev

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #data?

Entre los proyectos de #data mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, Rust.

3

¿Cómo se calcula la clasificación de los repositorios de #data?

Seguimos 232 repositorios activos de código abierto etiquetados con #data (500+ estrellas), que suman un total de 1,106,761 estrellas, con una media de 4,770 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.