Git Stars Git Stars

#data-cleaning Dépôts

Découvrez 33 dépôts GitHub open source actifs associés à #data-cleaning, cumulant 83,468 étoiles au total (soit une moyenne de 2,529 étoiles par projet). Le projet en tête de ce thème est cleanlab/cleanlab, avec 11,755 étoiles.

33
Total des Dépôts
83,468
Nombre total d'étoiles
2,529
Moyenne d'Étoiles/Dépôt
1
cleanlab/cleanlab

La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Mis à jour 2026-01-13 📅 Créé 2018-05-11
2
voxel51/fiftyone

Affiner les jeux de données de haute qualité et les modèles d'IA visuelle

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-04-22
3
johnkerl/miller

Miller est comme awk, sed, cut, join et sort pour les données indexées par nom telles que CSV, TSV et JSON tabulaire.

johnkerl
⭐ 10,069 Go 👤 johnkerl User 🕐 Mis à jour 2026-11-20 📅 Créé 2015-05-03
4
OpenDCAI/DataFlow

[SIGMOD'27] Préparation simplifiée des données grâce aux opérateurs et pipelines les plus récents fondés sur les LLM.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2024-10-13
5
jvns/pandas-cookbook

Recettes d'utilisation de la bibliothèque pandas de Python

jvns
⭐ 6,988 Jupyter Notebook 👤 jvns User 🕐 Mis à jour 2024-10-24 📅 Créé 2013-12-21
6
unionai-oss/pandera

Une bibliothèque légère, flexible et expressive pour les tests de données statistiques

unionai-oss
⭐ 4,532 Python 👤 unionai-oss Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2018-11-01
7
seatgeek/thefuzz

Correspondance approximative de chaînes en Python

seatgeek
⭐ 3,629 Python 👤 seatgeek Organization 🕐 Mis à jour 2025-03-03 📅 Créé 2021-03-05
8
justmarkham/pandas-videos

Cahier Jupyter et ensembles de données de la série vidéo pandas

justmarkham
⭐ 2,249 Jupyter Notebook 👤 justmarkham User 🕐 Mis à jour 2024-03-05 📅 Créé 2016-03-31
9
mahavivo/english-wordlists

Liste de vocabulaire anglais courant

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Mis à jour 2024-05-11 📅 Créé 2017-12-30
10
skrub-data/skrub

Apprentissage automatique avec des dataframes

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-03-12
11
justmarkham/DAT8

Cours de Data Science de General Assembly 2015 à Washington, DC

justmarkham
⭐ 1,622 Jupyter Notebook 👤 justmarkham User 🕐 Mis à jour 2024-06-05 📅 Créé 2015-08-07
12
hi-primus/optimus

:truck: Flux de travail de préparation de données agiles rendus faciles avec Pandas, Dask, cuDF, Dask-cuDF, Vaex et PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Mis à jour 2024-12-02 📅 Créé 2017-07-13
13
sfirke/janitor

Outils simples pour le nettoyage de données en R

sfirke
⭐ 1,461 R 👤 sfirke User 🕐 Mis à jour 2026-11-20 📅 Créé 2016-04-12
14
data-forge/data-forge-ts

L'ensemble d'outils JavaScript pour la transformation et l'analyse de données inspiré par Pandas et LINQ.

data-forge
⭐ 1,392 TypeScript 👤 data-forge Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2017-11-27
15
datawhalechina/hands-on-data-analysis

Apprentissage pratique de l'analyse de données axé sur les projets, les points de connaissance étant intégrés et permettant d'obtenir de meilleurs résultats d'apprentissage par l'apprentissage, la pratique et le guidage

datawhalechina
⭐ 1,375 Jupyter Notebook 👤 datawhalechina Organization 🕐 Mis à jour 2024-05-29 📅 Créé 2020-07-14
16
weiruihhh/cs336_note_and_hw

Enregistrer mes notes et devoirs pendant les cours de cs336.

weiruihhh
⭐ 1,305 Python 👤 weiruihhh User 🕐 Mis à jour 2026-10-10 📅 Créé 2025-06-01
17
DataWithBaraa/sql-data-warehouse-project

Créez un entrepôt de données dans SQL Server à partir de deux systèmes sources, un CRM et un ERP, en passant par les couches bronze, silver et gold. Fichiers et scripts du projet complet gratuit.

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 Mis à jour 2026-11-06 📅 Créé 2024-12-30
18
ECNU-ICALK/EduChat

Un modèle de chat éducatif open-source d'ICALK, East China Normal University. Grand modèle de dialogue éducatif open-source chinois-anglais. (Modèle de base universel, déploiement GPU, nettoyage des données) Hommage à : LLaMA, MOSS, BELLE, Ziya, vLLM

ECNU-ICALK
⭐ 952 Jupyter Notebook 👤 ECNU-ICALK Organization 🕐 Mis à jour 2025-07-18 📅 Créé 2023-06-26
19
PacktPublishing/Hands-on-Exploratory-Data-Analysis-with-Python

Analyse exploratoire des données pratique avec Python, publié par Packt

PacktPublishing
⭐ 921 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Mis à jour 2026-07-05 📅 Créé 2019-10-07
20
HKUSTDial/awesome-data-agents

Liste de papiers continuellement mise à jour sur les avancées en Data Agents. Repo compagnon de notre article « A Survey of Data Agents : Emerging Paradigm or Overstated Hype ? »

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2025-08-31
21
JakeBayer/FuzzySharp

Implémentation en C# .NET de la correspondance de chaînes floues de l'algorithme Python FuzzyWuzzy bien connu de Seat Geek.

JakeBayer
⭐ 776 C# 👤 JakeBayer User 🕐 Mis à jour 2024-08-20 📅 Créé 2018-04-10
22
JulietMirambo/Units_of_Measure_Harmonization-intelligence-platform

Système ML de qualité production pour la détection automatisée d'erreurs d'unité de mesure | Précision de 88 à 92 % | Autonomie de 94 % | Flux de travail KNIME

JulietMirambo
⭐ 732 PowerShell 👤 JulietMirambo User 🕐 Mis à jour 2026-05-21 📅 Créé 2025-10-20
23
derek73/python-nameparser

Analyse les noms de personnes en distinguant le titre, le prénom, le deuxième prénom, le nom de famille, le suffixe, le surnom et le nom de naissance. Typé, sans dépendance et compatible avec les caractères CJK.

derek73
⭐ 721 Python 👤 derek73 User 🕐 Mis à jour 2026-11-21 📅 Créé 2014-04-02
24
saddamskst/Skill-Course-10x

Cet outil a été développé par Md Saddam (YT-Saddam Tech).

saddamskst
⭐ 652 👤 saddamskst User 🕐 Mis à jour 2024-12-29 📅 Créé 2024-12-15
25
TheEconomist/covid-19-excess-deaths-tracker

Code source et données pour le suivi des décès excédentaires liés au COVID-19 de The Economist

TheEconomist
⭐ 646 R 👤 TheEconomist Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2020-05-15
26
lgreski/datasciencectacontent

Répertoire pour le contenu Community Mentor lié à la Spécialisation en Data Science de l'Université Johns Hopkins sur Coursera

lgreski
⭐ 640 HTML 👤 lgreski User 🕐 Mis à jour 2026-06-07 📅 Créé 2015-10-29
27
vber/free-augmentcode

Pour le plugin VSCode d'AugmentCode à rechargement illimité. Un outil qui vous permet d'utiliser le plugin VSCode d'AugmentCode indéfiniment.

vber
⭐ 621 Python 👤 vber User 🕐 Mis à jour 2025-08-11 📅 Créé 2025-05-29
28
zsylvester/segmenteverygrain

Un modèle basé sur SAM pour la segmentation d'instances d'images de grains

zsylvester
⭐ 562 Jupyter Notebook 👤 zsylvester User 🕐 Mis à jour 2026-11-01 📅 Créé 2023-05-25
29
longshotlabs/simpl-schema

Un package de validation de schéma JavaScript qui prend en charge la validation directe des objets modificateurs de mise à jour MongoDB

longshotlabs
⭐ 559 TypeScript 👤 longshotlabs Organization 🕐 Mis à jour 2026-10-27 📅 Créé 2016-07-01
30
akanz1/klib

Bibliothèque Python facile à utiliser de fonctions personnalisées pour le nettoyage et l'analyse des données.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Mis à jour 2026-10-28 📅 Créé 2020-03-25
31
Desbordante/desbordante-core

Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-04-09
32
koaning/doubtlab

Mettez en doute vos données, trouvez les mauvaises étiquettes.

koaning
⭐ 517 Python 👤 koaning User 🕐 Mis à jour 2024-07-15 📅 Créé 2021-11-05
33
schema-inspector/schema-inspector

Schema-Inspector est un module simple de nettoyage et de validation d'objets JavaScript.

schema-inspector
⭐ 503 JavaScript 👤 schema-inspector Organization 🕐 Mis à jour 2026-10-05 📅 Créé 2014-01-02

Foire aux questions

1

Quel est le dépôt #data-cleaning le plus populaire sur GitHub ?

Le projet #data-cleaning open source le mieux classé sur GitHub est cleanlab/cleanlab, avec 11,755 étoiles. La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #data-cleaning ?

Parmi les projets #data-cleaning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, R.

3

Comment le classement des dépôts #data-cleaning est-il calculé ?

Nous suivons 33 dépôts open source actifs associés à #data-cleaning (500+ étoiles), totalisant 83,468 étoiles, avec une moyenne de 2,529 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.