Git Stars Git Stars

#data-processing Repositorios

Descubre 72 repositorios activos de código abierto de GitHub etiquetados con #data-processing, que acumulan 211,976 estrellas en total (una media de 2,944 estrellas por proyecto). El líder de este tema es pathwaycom/pathway, con 61,976 estrellas.

72
Total de Repositorios
211,976
Total de estrellas
2,944
Promedio de Estrellas/Repo

72 repositorios en total

1
pathwaycom/pathway

Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.

pathwaycom
⭐ 61,976 Python 👤 pathwaycom Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-11-27
2
cocoindex-io/cocoindex

Motor incremental para agentes de horizonte largo 🌟 ¡Pon una estrella si te gusta!

cocoindex-io
⭐ 11,923 Rust 👤 cocoindex-io Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-03-03
3
onceupon/Bash-Oneliner

Una colección de Bash One-Liners útiles y trucos de terminal para el procesamiento de datos y el mantenimiento del sistema Linux.

onceupon
⭐ 10,805 👤 onceupon User 🕐 Actualizado 2026-09-22 📅 Creado 2016-06-14
4
johnkerl/miller

Miller es como awk, sed, cut, join y sort para datos indexados por nombre como CSV, TSV y JSON tabular.

johnkerl
⭐ 10,069 Go 👤 johnkerl User 🕐 Actualizado 2026-11-20 📅 Creado 2015-05-03
5
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
6
TomWright/dasel

Consulta, transformación y modificación unificada de JSON, TOML, YAML, XML, INI, HCL, KDL y CSV.

TomWright
⭐ 8,093 Go 👤 TomWright User 🕐 Actualizado 2026-11-02 📅 Creado 2020-09-22
7
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
8
google/snappy

Un compresor/descompresor rápido

google
⭐ 6,633 C++ 👤 google Organization 🕐 Actualizado 2026-10-23 📅 Creado 2014-03-03
9
NVIDIA/DALI

Una biblioteca acelerada por GPU que contiene bloques de construcción altamente optimizados y un motor de ejecución para el procesamiento de datos, para acelerar aplicaciones de entrenamiento e inferencia de aprendizaje profundo.

NVIDIA
⭐ 5,797 C++ 👤 NVIDIA Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-06-01
10
deepseek-ai/smallpond

Un framework ligero de procesamiento de datos construido sobre DuckDB y 3FS.

deepseek-ai
⭐ 4,960 Python 👤 deepseek-ai Organization 🕐 Actualizado 2025-03-05 📅 Creado 2025-02-24
11
unionai-oss/pandera

Una biblioteca ligera, flexible y expresiva para pruebas de datos estadísticos

unionai-oss
⭐ 4,532 Python 👤 unionai-oss Organization 🕐 Actualizado 2026-11-19 📅 Creado 2018-11-01
12
knownsec/aipyapp

Python impulsado por IA e IA impulsada por Python (Uso de Python)

knownsec
⭐ 4,026 HTML 👤 knownsec Organization 🕐 Actualizado 2026-02-15 📅 Creado 2025-04-06
13
Rdatatable/data.table

El paquete data.table de R extiende data.frame:

Rdatatable
⭐ 3,930 R 👤 Rdatatable Organization 🕐 Actualizado 2026-11-20 📅 Creado 2014-06-07
14
TimelyDataflow/differential-dataflow

Una implementación de differential dataflow usando timely dataflow en Rust.

TimelyDataflow
⭐ 3,040 Rust 👤 TimelyDataflow Organization 🕐 Actualizado 2026-11-21 📅 Creado 2015-05-05
15
numaproj/numaflow

Plataforma nativa de Kubernetes para ejecutar trabajos masivamente paralelos de datos/streaming

numaproj
⭐ 2,837 Rust 👤 numaproj Organization 🕐 Actualizado 2026-11-19 📅 Creado 2022-05-20
16
datachain-ai/datachain

La capa de contexto para datos no estructurados: conjuntos de datos tipados y versionados sobre S3, GCS, Azure

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-06-25
17
elixir-broadway/broadway

Ingestión y procesamiento de datos concurrentes y de múltiples etapas con Elixir

elixir-broadway
⭐ 2,694 Elixir 👤 elixir-broadway Organization 🕐 Actualizado 2026-11-06 📅 Creado 2018-11-05
18
google/googlesql

GoogleSQL (anteriormente ZetaSQL) - Framework de Análisis para SQL

google
⭐ 2,644 C++ 👤 google Organization 🕐 Actualizado 2026-11-18 📅 Creado 2019-04-16
19
asyml/texar

Kit de herramientas para aprendizaje automático, procesamiento de lenguaje natural y generación de texto en TensorFlow. Esto es parte del proyecto CASL: http://casl-project.ai/

asyml
⭐ 2,391 Python 👤 asyml Organization 🕐 Actualizado 2026-07-21 📅 Creado 2017-07-22
20
bytewax/bytewax

Procesamiento de flujos de Python

bytewax
⭐ 2,074 Python 👤 bytewax Organization 🕐 Actualizado 2026-11-13 📅 Creado 2022-02-04
21
NVIDIA-NeMo/Curator

Kit de herramientas escalable para preprocesamiento y curación de datos para LLM

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-03-14
22
felt/tippecanoe

Cree conjuntos de teselas vectoriales a partir de grandes colecciones de características GeoJSON.

felt
⭐ 1,638 C++ 👤 felt Organization 🕐 Actualizado 2026-11-16 📅 Creado 2022-08-15
23
allenai/dolma

Datos y herramientas para generar e inspeccionar datos de preentrenamiento de OLMo.

allenai
⭐ 1,564 Python 👤 allenai Organization 🕐 Actualizado 2026-08-24 📅 Creado 2023-06-20
24
pyper-dev/pyper

Python concurrente simplificado

pyper-dev
⭐ 1,521 Python 👤 pyper-dev User 🕐 Actualizado 2025-02-04 📅 Creado 2024-05-22
25
GoogleCloudPlatform/data-science-on-gcp

Código fuente que acompaña al libro: Ciencia de datos en Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017

GoogleCloudPlatform
⭐ 1,432 Jupyter Notebook 👤 GoogleCloudPlatform Organization 🕐 Actualizado 2026-02-20 📅 Creado 2017-02-10
26
zapret-info/z-i

Registro de direcciones de Internet filtradas en la Federación Rusa

zapret-info
⭐ 1,388 👤 zapret-info User 🕐 Actualizado 2025-10-01 📅 Creado 2012-11-19
27
ncbi/sra-tools

Herramientas SRA

ncbi
⭐ 1,376 C 👤 ncbi Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-08-21
28
run-house/kubetorch

Distribuya y ejecute cargas de trabajo de IA en Kubernetes mágicamente en Python, como PyTorch para la infraestructura de ML.

run-house
⭐ 1,228 Python 👤 run-house Organization 🕐 Actualizado 2026-05-29 📅 Creado 2022-05-10
29
RadarCODE/awesome-sar

Una lista curada de impresionantes software, bibliotecas y recursos de radar de apertura sintética (SAR).

RadarCODE
⭐ 1,193 👤 RadarCODE Organization 🕐 Actualizado 2025-07-22 📅 Creado 2016-06-03
30
GeospatialPython/pyshp

Esta biblioteca lee y escribe ESRI Shapefiles en Python puro.

GeospatialPython
⭐ 1,160 Python 👤 GeospatialPython User 🕐 Actualizado 2026-11-16 📅 Creado 2014-03-04
31
nikic/iter

Primitivas de iteración usando generadores

nikic
⭐ 1,145 PHP 👤 nikic User 🕐 Actualizado 2026-09-23 📅 Creado 2013-07-01
32
felixonmars/fcitx5-pinyin-zhwiki

Diccionario Fcitx 5 Pinyin de zh.wikipedia.org

felixonmars
⭐ 1,108 Python 👤 felixonmars User 🕐 Actualizado 2026-10-17 📅 Creado 2020-05-23
33
tadija/AEXML

Minion Swift para análisis XML simple y ligero

tadija
⭐ 1,037 Swift 👤 tadija User 🕐 Actualizado 2026-11-19 📅 Creado 2014-10-16
34
google-deepmind/tree

tree es una biblioteca para trabajar con estructuras de datos anidadas

google-deepmind
⭐ 1,027 Python 👤 google-deepmind Organization 🕐 Actualizado 2026-11-15 📅 Creado 2019-10-08
35
thepycoach/automation

Automatización con Python (Excel, scripts, etc.)

thepycoach
⭐ 1,010 Jupyter Notebook 👤 thepycoach User 🕐 Actualizado 2024-05-19 📅 Creado 2021-05-02
36
negokaz/excel-mcp-server

Un servidor Model Context Protocol (MCP) que lee y escribe datos de MS Excel

negokaz
⭐ 991 Go 👤 negokaz User 🕐 Actualizado 2025-07-19 📅 Creado 2025-02-16
37
fireducks-dev/fireducks

Crear un problema en FireDucks

fireducks-dev
⭐ 929 Jupyter Notebook 👤 fireducks-dev Organization 🕐 Actualizado 2025-05-22 📅 Creado 2023-10-12
38
samtools/bcftools

Este es el repositorio oficial de desarrollo para BCFtools. Consulta las instrucciones de instalación y otra documentación aquí http://samtools.github.io/bcftools/howtos/install.html

samtools
⭐ 905 C 👤 samtools Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-07-12
39
bastibe/python-soundfile

SoundFile es una biblioteca de audio basada en libsndfile, CFFI y NumPy

bastibe
⭐ 872 Python 👤 bastibe User 🕐 Actualizado 2026-10-24 📅 Creado 2013-08-27
40
TeamMsgExtractor/msg-extractor

Extrae correos electrónicos y archivos adjuntos guardados en los archivos .msg de Microsoft Outlook

TeamMsgExtractor
⭐ 858 Python 👤 TeamMsgExtractor Organization 🕐 Actualizado 2026-11-05 📅 Creado 2013-07-24
41
MohElshamy1994/n8n-course-Projetcs

Proyectos n8n para mi curso de YouTube.

MohElshamy1994
⭐ 854 👤 MohElshamy1994 User 🕐 Actualizado 2025-10-19 📅 Creado 2025-07-13
42
0xfdf/toraniko

Un modelo de riesgo de renta variable multifactorial para el trading cuantitativo.

0xfdf
⭐ 853 Python 👤 0xfdf User 🕐 Actualizado 2024-08-16 📅 Creado 2024-07-03
43
benibela/xidel

Herramienta de línea de comandos para descargar y extraer datos de páginas HTML/XML o JSON-API, utilizando CSS, XPath 3.0, XQuery 3.0, JSONiq o coincidencia de patrones. También puede crear nuevos o documentos XML/HTML/JSON transformados.

benibela
⭐ 836 Pascal 👤 benibela User 🕐 Actualizado 2025-02-22 📅 Creado 2015-06-11
44
bugen/pypipe

Herramienta de línea de comandos Python Pipe

bugen
⭐ 802 Python 👤 bugen User 🕐 Actualizado 2024-01-04 📅 Creado 2023-09-20
45
influxdata/flux

Flux es un lenguaje de scripting ligero para consultar bases de datos (como InfluxDB) y trabajar con datos. Es parte de InfluxDB 1.7 y 2.0, pero puede ejecutarse de forma independiente.

influxdata
⭐ 794 FLUX 👤 influxdata Organization 🕐 Actualizado 2026-11-17 📅 Creado 2018-06-14
46
PreSenseRadar/OpenRadar

Una biblioteca de código abierto para interactuar y procesar datos de radar, especializada en radares MIMO mmWave

PreSenseRadar
⭐ 776 Jupyter Notebook 👤 PreSenseRadar User 🕐 Actualizado 2024-04-30 📅 Creado 2019-09-20
47
ChenghaoMou/text-dedup

Desduplicación de texto todo en uno

ChenghaoMou
⭐ 765 Python 👤 ChenghaoMou User 🕐 Actualizado 2026-03-09 📅 Creado 2021-03-13
48
JuliaParallel/Dagger.jl

Un marco para ejecución fuera de núcleo y paralela

JuliaParallel
⭐ 734 Julia 👤 JuliaParallel Organization 🕐 Actualizado 2026-11-02 📅 Creado 2015-12-03
49
hstreamdb/hstream

HStreamDB es una base de datos de streaming nativa de la nube y de código abierto para IoT y más allá. Modernice su pila de datos para aplicaciones en tiempo real.

hstreamdb
⭐ 728 Haskell 👤 hstreamdb Organization 🕐 Actualizado 2024-12-26 📅 Creado 2020-08-31
50
omarabid/rust-companies

Una lista de empresas que usan Rust en producción.

omarabid
⭐ 721 👤 omarabid User 🕐 Actualizado 2026-09-11 📅 Creado 2020-02-05

Preguntas frecuentes

1

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

El proyecto de código abierto de #data-processing mejor posicionado en GitHub es pathwaycom/pathway, con 61,976 estrellas. Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.

2

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

Entre los proyectos de #data-processing mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, Rust.

3

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

Seguimos 72 repositorios activos de código abierto etiquetados con #data-processing (500+ estrellas), que suman un total de 211,976 estrellas, con una media de 2,944 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.