#pandas Dépôts
Découvrez 171 dépôts GitHub open source actifs associés à #pandas, cumulant 850,412 étoiles au total (soit une moyenne de 4,973 étoiles par projet). Le projet en tête de ce thème est Asabeneh/30-Days-Of-Python, avec 79,242 étoiles.
171 dépôts au total
Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Bibliothèque flexible et puissante pour l'analyse / manipulation de données en Python, fournissant des structures de données étiquetées similaires aux objets data.frame de R, des fonctions statistiques et bien plus
Python Data Science Handbook : texte intégral dans les notebooks Jupyter
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
Matériels et carnets IPython pour "Python for Data Analysis" de Wes McKinney, publié par O'Reilly Media
Discutez avec votre base de données ou votre datalake (SQL, CSV, parquet). PandasAI rend l'analyse de données conversationnelle grâce aux LLM et au RAG.
🤗 Le plus grand hub de jeux de données prêts à l'emploi pour les modèles d'IA avec des outils de manipulation de données rapides, faciles à utiliser et efficaces
Système de Trading Quantitatif Abu (Actions, Options, Futures, Bitcoin, Machine Learning) Trading quantitatif open-source basé sur Python, architecture d'investissement quantitatif
PyGWalker : Transformez votre dataframe en une interface utilisateur interactive pour l'analyse visuelle
TuShare est un utilitaire pour le crawling de données historiques sur les actions chinoises
Profilage de la qualité des données & analyse exploratoire des données en 1 ligne de code pour les DataFrames Pandas et Spark.
Feuille de route d'apprentissage en intelligence artificielle, compilation de près de 200 cas pratiques et projets, manuels complémentaires gratuits, entrée pour débutants absolus, pratique pour l'emploi ! Inclut : Python, mathématiques, apprentissage automatique, analyse de données, apprentissage profond, vision par ordinateur, traitement du langage naturel, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv et autres domaines populaires
Modin : Échellez vos flux de travail Pandas en modifiant une seule ligne de code
《Analyse de données avec Python · 2e édition》
Système de sélection automatique d'actions A‑share — scanne automatiquement plusieurs configurations techniques, s'exécute automatiquement après la clôture du marché et envoie les résultats à Feishu
Danfo.js est une bibliothèque JavaScript open source offrant des structures de données performantes, intuitives et faciles à utiliser pour manipuler et traiter des données structurées.
Un wrapper Python pour l'API Alpha Vantage pour les données financières.
Conteneurs d'apprentissage automatique pour NVIDIA Jetson et JetPack-L4T
Mimesis est une bibliothèque Python permettant de générer des données fictives mais réalistes dans plusieurs langues et paramètres régionaux.
Une bibliothèque légère, flexible et expressive pour les tests de données statistiques
Boîte à outils Python pour la finance quantitative : analyse d'actions, indicateurs techniques, backtesting de stratégies, optimisation de portefeuille et modélisation financière.
Cours de défis Python open source — votre agent de programmation IA enseigne, et verify.py décide quand vous avez terminé.
pandas sur AWS - Intégration facile avec Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer et S3 (Parquet, CSV, JSON et EXCEL).
Un outil simple et efficace pour paralléliser les opérations Pandas sur tous les CPU disponibles
Foire aux questions
Quel est le dépôt #pandas le plus populaire sur GitHub ?
Le projet #pandas open source le mieux classé sur GitHub est Asabeneh/30-Days-Of-Python, avec 79,242 étoiles. Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Quels langages de programmation sont les plus utilisés dans les dépôts #pandas ?
Parmi les projets #pandas les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #pandas est-il calculé ?
Nous suivons 171 dépôts open source actifs associés à #pandas (500+ étoiles), totalisant 850,412 étoiles, avec une moyenne de 4,973 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.