#pandas Repositorios
171 repositorios en total
Extraiga datos de una amplia gama de fuentes de Internet en un DataFrame de pandas.
Este repositorio está diseñado para ayudar a principiantes en machine learning o a quienes se preparan para un estudio. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Visualice y compare conjuntos de datos, valores objetivo y asociaciones, con una sola línea de código.
100 rompecabezas de datos para pandas, que van desde cortos y simples hasta super complicados (60% completo)
Mars es un marco unificado basado en tensores para la computación de datos a gran escala que escala numpy, pandas, scikit-learn y funciones de Python.
El repositorio para el curso de YouTube de freeCodeCamp, Algorithmic Trading in Python
ArcticDB es una base de datos DataFrame sin servidor de alto rendimiento construida para el ecosistema de Data Science de Python.
Extensiones de Jupyter que te ayudan a escribir código más rápido: Chat de IA consciente del contexto, Autocompletado y Hoja de cálculo
Un paquete que aplica eficientemente cualquier función a un pandas dataframe o series de la manera más rápida disponible
Apache Hamilton ayuda a los científicos e ingenieros de datos a definir flujos de datos probables, modulares y autodocumentados, que codifican el linaje/seguimiento y los metadatos. Se ejecuta y escala en cualquier lugar donde lo haga python.
PyGraphistry es una biblioteca de Python para cargar, dar forma, incrustar y explorar rápidamente gráficos grandes con el analizador de gráficos visuales Graphistry acelerado por GPU.
Una biblioteca de codificadores de variables categóricas compatibles con sklearn
Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el ecosistema de Python Machine Learning altamente popular.
Asistente de escritura de código de IA que comprende el contenido de los datos
El selector de características es una herramienta para la reducción de dimensionalidad de conjuntos de datos de aprendizaje automático
🚀 Más de 500 recursos seleccionados para Análisis de Datos y Ciencia de Datos: Python, SQL, Estadística, ML, IA, Visualización, Hojas de trucos, Mapas de ruta, Preparación para entrevistas. Para principiantes y expertos.
Una interfaz unificada para la computación distribuida. Fugue ejecuta código SQL, Python, Pandas y Polars en Spark, Dask y Ray sin reescrituras.
Adecuado para quienes avanzan de nivel principiante a intermedio, una vez que el sistema está establecido, depende de la maestría.
qstock es desarrollado por la cuenta pública "Python Financial Quant", que tiene como objetivo convertirse en un paquete personal de análisis cuantitativo para la investigación de inversiones. Actualmente incluye módulos para la obtención de datos (data), visualización (plot), selección de acciones (stock) y backtesting cuantitativo (strategy backtest). qstock proporcionará a los usuarios una interfaz de datos concisa y datos del mercado financiero normalizados. El módulo de visualización ofrecerá a los usuarios una interfaz sencilla para gráficos interactivos basados en web; el módulo de selección de acciones proporcionará datos de selección de acciones de Tonghuashun y selección de acciones personalizada, que incluyen RPS, tendencia MM, indicadores financieros, modelo de flujo de efectivo, etc.; el módulo de backtesting proporcionará a todos un marco y modelo fundamental vectorizado (basado en pandas) y impulsado por eventos. Siga la cuenta pública de WeChat "Python Financial Quant" para obtener más información sobre aplicaciones.
¡Capa de compatibilidad ligera y extensible entre bibliotecas de dataframes!
¿Qué hay en tus datos? Extrae esquemas, estadísticas y entidades de los conjuntos de datos
Proporcione un wrapper ``StockDataFrame`` basado en ``pandas.DataFrame`` con soporte integrado para estadísticas/indicadores bursátiles.
APIs limpias para la limpieza de datos. Implementación en Python del paquete R Janitor
Portafolio de proyectos de ciencia de datos completados por mí con fines académicos, de autoaprendizaje y pasatiempos.
:crown: Análisis exploratorio multivariado de datos en Python — PCA, CA, MCA, MFA, FAMD, GPA
Computación de alto rendimiento para tensores N-dimensionales en .NET, con una API idéntica a la de NumPy.
Métricas comunes de riesgo y rendimiento financiero. Utilizadas por zipline y pyfolio.
Paquete de datos financieros cuantitativos simple y fácil de usar (utilidad fácil para obtener datos del mercado financiero de China)
El kit de herramientas de transformación y análisis de datos en JavaScript inspirado en Pandas y LINQ.
Aprender análisis de datos de forma práctica centrado en proyectos, con puntos de conocimiento integrados, para lograr mejores resultados de aprendizaje a través del aprendizaje, la práctica y la guía