#pandas Dépôts
171 dépôts au total
Propose des dataframes Pandas via le Django REST Framework pour une utilisation dans des visualisations côté client (c'est-à-dire d3.js) et des analyses hors ligne (par exemple, Excel)
Une collection d'extraits de code de la publication Daily Dose of Data Science sur Substack : http://www.dailydoseofds.com/
DS & ML Python évolutifs, d'une manière compatible avec les API et ultra-rapide.
Compilation de codes de programmation R et Python sur la chaîne YouTube Data Professor.
Matériaux de cours pour Analytics dans les marchés boursiers Zoomcamp
Calendriers d'échange à utiliser avec pandas pour les applications de trading
Séries chronologiques plus facile, plus rapide, plus amusant. Pytimetk.
1 ligne pour des milliers de modèles NLP à la pointe de la technologie dans des centaines de langues. La manière la plus rapide et la plus précise de résoudre les problèmes de texte.
Mon cours de 'Python pour l'analyse de données' sur YouTube
Analyse exploratoire des données pratique avec Python, publié par Packt
Générateur de code Python basé sur une interface graphique pour la science des données, extension pour Jupyter Lab, Jupyter Notebook et Google Colab.
Je partage mon parcours de 66DaysofData en analyse de données en participant au défi #66daysofdata de Ken Jee.
PMLB : Un grand dépôt curaté de jeux de données de référence pour évaluer les algorithmes d'apprentissage automatique supervisé.
Un espace de travail d’analyse de données propulsé par l’IA, conçu pour assurer la transparence, la reproductibilité et le contrôle de l’utilisateur. Examinez le code et les éléments qui étayent les résultats, vérifiez les calculs en les rejouant et choisissez parmi une vaste gamme de modèles, y compris des modèles locaux à poids ouverts.
Des milliers de solutions de code avec des explications claires sur onelinerhub.com
Toutes les réponses aux exercices de Advances in Financial Machine Learning par Dr Marco Lopez de Parodo.
Client Python pour l'API ENTSO-E (réseau européen des gestionnaires de réseau de transport d'électricité)
Matériaux pour suivre"Hands-On Data Analysis with Pandas – Second Edition"
Une feuille de route complète en ML (Machine Learning) Full Stack implique l'acquisition des compétences et des technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement de modèles, le déploiement et la maintenance.
Graph Data Science : une couche d'abstraction en Python pour la construction de graphes de connaissances, intégrée à des bibliothèques de graphes populaires – au-dessus de Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
Client et Kit d'Outils Python pour DataFrames, Big Data, Machine Learning et ETL dans Elasticsearch
Buckaroo - L'interface utilisateur de table de données pour les Notebooks. Explorez rapidement les dataframes, faites défiler les dataframes, recherchez, triez, visualisez les statistiques récapitulatives et les histogrammes. Fonctionne avec Pandas, Polars, Jupyter, Marimo, VSCode Notebooks.
Modélisez, simulez et visualisez des systèmes dynamiques non linéaires discrets, le chaos et les fractales
Comparaison de Pandas, Polars, Spark et Snowpark DataFrame pour les humains et plus !
Base de données transactionnelle embarquée pour blobs, documents et graphes, avec NVMe contournant le noyau via io_uring et SPDK, compactage sur GPU et une ABI C unifiée pour ses propres moteurs, RocksDB et LevelDB 🗄️