Git Stars Git Stars

#pyspark Repositorios

Descubre 35 repositorios activos de código abierto de GitHub etiquetados con #pyspark, que acumulan 60,070 estrellas en total (una media de 1,716 estrellas por proyecto). El líder de este tema es ibis-project/ibis, con 6,705 estrellas.

35
Total de Repositorios
60,070
Total de estrellas
1,716
Promedio de Estrellas/Repo

35 repositorios en total

1
ibis-project/ibis

la biblioteca de dataframes de Python portátil

ibis-project
⭐ 6,705 Python 👤 ibis-project Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-04-17
2
microsoft/SynapseML

Biblioteca de Python de aprendizaje automático simple y distribuido que transfiere algoritmos de ML a Spark

microsoft
⭐ 5,257 Scala 👤 microsoft Organization 🕐 Actualizado 2026-11-18 📅 Creado 2017-06-05
3
JohnSnowLabs/spark-nlp

Procesamiento de Lenguaje Natural de Vanguardia

JohnSnowLabs
⭐ 4,162 Scala 👤 JohnSnowLabs Organization 🕐 Actualizado 2026-11-14 📅 Creado 2017-09-24
4
databricks/learning-spark

Código de ejemplo del libro Learning Spark

databricks
⭐ 3,895 Java 👤 databricks Organization 🕐 Actualizado 2026-06-30 📅 Creado 2014-06-16
5
lakehq/sail

Sustituto drop-in de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento en streaming y las cargas de trabajo de IA intensivas en cómputo.

lakehq
⭐ 3,504 Rust 👤 lakehq Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-12-21
6
apache/linkis

Apache Linkis construye una capa de middleware de cómputo para facilitar la conexión, gobernanza y orquestación entre las aplicaciones superiores y los motores de datos subyacentes.

apache
⭐ 3,417 Java 👤 apache Organization 🕐 Actualizado 2026-11-04 📅 Creado 2019-07-23
7
danielbeach/data-engineering-practice

Problemas de práctica de ingeniería de datos

danielbeach
⭐ 2,706 Python 👤 danielbeach User 🕐 Actualizado 2025-01-08 📅 Creado 2022-02-17
8
awesome-spark/awesome-spark

Una lista curada de increíbles paquetes y recursos de Apache Spark.

awesome-spark
⭐ 1,903 Shell 👤 awesome-spark Organization 🕐 Actualizado 2026-02-27 📅 Creado 2016-02-01
9
uber/petastorm

La biblioteca Petastorm permite el entrenamiento y la evaluación de modelos de aprendizaje profundo en una sola máquina o de forma distribuida a partir de conjuntos de datos en formato Apache Parquet. Admite marcos de ML como Tensorflow, Pytorch y PySpark y se puede utilizar desde código Python puro.

uber
⭐ 1,894 Python 👤 uber Organization 🕐 Actualizado 2026-01-02 📅 Creado 2018-06-15
10
narwhals-dev/narwhals

¡Capa de compatibilidad ligera y extensible entre bibliotecas de dataframes!

narwhals-dev
⭐ 1,754 Python 👤 narwhals-dev Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-02-19
11
jadianes/spark-py-notebooks

Tutoriales de Apache Spark & Python (pySpark) para el Análisis de Big Data y Machine Learning como cuadernos IPython / Jupyter

jadianes
⭐ 1,667 Jupyter Notebook 👤 jadianes User 🕐 Actualizado 2024-03-16 📅 Creado 2015-05-06
12
hi-primus/optimus

:truck: Flujos de trabajo de preparación de datos ágiles hechos fáciles con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Actualizado 2024-12-02 📅 Creado 2017-07-13
14
spark-examples/pyspark-examples

Ejemplos de PySpark RDD, DataFrame y Dataset en lenguaje Python

spark-examples
⭐ 1,371 Python 👤 spark-examples Organization 🕐 Actualizado 2025-12-07 📅 Creado 2019-11-26
15
jupyter-incubator/sparkmagic

Magias y kernels de Jupyter para trabajar con clústeres Spark remotos

jupyter-incubator
⭐ 1,368 Python 👤 jupyter-incubator Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-09-21
16
logicalclocks/hopsworks

Hopsworks - Plataforma de IA intensiva en datos con un Feature Store

logicalclocks
⭐ 1,299 Java 👤 logicalclocks Organization 🕐 Actualizado 2025-02-10 📅 Creado 2018-07-26
17
mahmoudparsian/pyspark-tutorial

PySpark-Tutorial proporciona algoritmos básicos usando PySpark

mahmoudparsian
⭐ 1,276 Jupyter Notebook 👤 mahmoudparsian User 🕐 Actualizado 2025-05-26 📅 Creado 2015-03-12
18
graphframes/graphframes

GraphFrames es un paquete para Apache Spark que proporciona grafos basados en DataFrame.

graphframes
⭐ 1,213 Scala 👤 graphframes Organization 🕐 Actualizado 2026-11-12 📅 Creado 2016-01-20
19
JohnSnowLabs/spark-nlp-workshop

Ejemplos públicos ejecutables de uso de NLP de John Snow Labs para Apache Spark.

JohnSnowLabs
⭐ 1,089 Jupyter Notebook 👤 JohnSnowLabs Organization 🕐 Actualizado 2026-11-17 📅 Creado 2018-08-20
20
mahmoudparsian/data-algorithms-book

Libro de algoritmos de datos: MapReduce, Spark, Java y Scala

mahmoudparsian
⭐ 1,083 Java 👤 mahmoudparsian User 🕐 Actualizado 2024-10-14 📅 Creado 2014-08-06
21
h2oai/sparkling-water

Sparkling Water proporciona funcionalidad H2O dentro del clúster Spark

h2oai
⭐ 982 Scala 👤 h2oai Organization 🕐 Actualizado 2025-11-05 📅 Creado 2014-10-13
22
criteo/autofaiss

Cree automáticamente índices Faiss knn con los parámetros de búsqueda de similitud más óptimos.

criteo
⭐ 906 Python 👤 criteo Organization 🕐 Actualizado 2025-11-04 📅 Creado 2021-04-28
23
PatrikHlobil/Pandas-Bokeh

Backend de trazado Bokeh para Pandas y GeoPandas

PatrikHlobil
⭐ 889 Python 👤 PatrikHlobil User 🕐 Actualizado 2024-04-10 📅 Creado 2018-11-23
24
pyspark-ai/pyspark-ai

SDK en inglés para Apache Spark

pyspark-ai
⭐ 879 Python 👤 pyspark-ai Organization 🕐 Actualizado 2026-10-27 📅 Creado 2023-04-27
25
awslabs/python-deequ

API de Python para Deequ

awslabs
⭐ 826 Jupyter Notebook 👤 awslabs Organization 🕐 Actualizado 2026-10-24 📅 Creado 2020-11-09
26
HariSekhon/DevOps-Python-tools

80+ Herramientas CLI de DevOps y Datos - AWS, GCP, Funciones en la Nube Python GCF, Anonimizador de Registros, Spark, Hadoop, HBase, Hive, Impala, Linux, Docker, Convertidores y Validadores de Datos Spark (Avro/Parquet/JSON/CSV/INI/XML/YAML), Travis CI, AWS CloudFormation, Elasticsearch, Solr etc.

HariSekhon
⭐ 824 Python 👤 HariSekhon User 🕐 Actualizado 2026-02-03 📅 Creado 2015-10-27
27
Nike-Inc/koheesio

Framework de Python para construir pipelines de datos eficientes. Promueve la modularidad y la colaboración, permitiendo la creación de pipelines complejos a partir de componentes simples y reutilizables.

Nike-Inc
⭐ 818 Python 👤 Nike-Inc Organization 🕐 Actualizado 2026-10-17 📅 Creado 2024-05-06
28
WeBankFinTech/Scriptis

Scriptis es para el análisis de datos interactivo con desarrollo de scripts (SQL, PySpark, HiveQL), envío de tareas (Spark, Hive), UDF, funciones, gestión de recursos y diagnóstico inteligente.

WeBankFinTech
⭐ 812 Vue 👤 WeBankFinTech Organization 🕐 Actualizado 2024-12-11 📅 Creado 2019-07-23
29
MrPowers/chispa

Métodos de ayuda para pruebas de PySpark con mensajes de error hermosos

MrPowers
⭐ 778 Python 👤 MrPowers User 🕐 Actualizado 2026-11-20 📅 Creado 2019-03-19
30
databricks/tensorframes

[DEPRECADO] Envoltorio de Tensorflow para DataFrames en Apache Spark

databricks
⭐ 745 Scala 👤 databricks Organization 🕐 Actualizado 2024-07-30 📅 Creado 2016-03-04
31
awslabs/aws-glue-libs

Las bibliotecas de AWS Glue son adiciones y mejoras a Spark para operaciones ETL.

awslabs
⭐ 701 Python 👤 awslabs Organization 🕐 Actualizado 2026-10-30 📅 Creado 2017-08-11
32
mrpowers-io/quinn

Métodos de PySpark para mejorar la productividad del desarrollador 📣 👯 🎉

mrpowers-io
⭐ 691 Python 👤 mrpowers-io Organization 🕐 Actualizado 2026-10-25 📅 Creado 2017-09-15
33
capitalone/datacompy

Comparación de Pandas, Polars, Spark y Snowpark DataFrame para humanos y más!

capitalone
⭐ 669 Python 👤 capitalone Organization 🕐 Actualizado 2026-11-16 📅 Creado 2018-03-23
34
cluster-apps-on-docker/spark-standalone-cluster-on-docker

Aprenda Apache Spark en Scala, Python (PySpark) y R (SparkR) construyendo su propio clúster con una interfaz JupyterLab en Docker. :zap:

cluster-apps-on-docker
⭐ 510 Jupyter Notebook 👤 cluster-apps-on-docker Organization 🕐 Actualizado 2025-11-07 📅 Creado 2020-07-03
35
databrickslabs/dbldatagen

Genere rápidamente datos sintéticos relevantes para sus proyectos. El generador de datos sintéticos de Databricks Labs (también conocido como `dbldatagen`) puede utilizarse para generar grandes conjuntos de datos simulados o sintéticos para pruebas, pruebas de concepto (POC) y otros usos en entornos de Databricks, incluidos los pipelines de Delta Live Tables.

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 Actualizado 2026-10-26 📅 Creado 2019-07-23

Preguntas frecuentes

1

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

El proyecto de código abierto de #pyspark mejor posicionado en GitHub es ibis-project/ibis, con 6,705 estrellas. la biblioteca de dataframes de Python portátil

2

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

Entre los proyectos de #pyspark mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Scala, Jupyter Notebook, Java.

3

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

Seguimos 35 repositorios activos de código abierto etiquetados con #pyspark (500+ estrellas), que suman un total de 60,070 estrellas, con una media de 1,716 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.