Git Stars Git Stars

#data-cleaning Repository

Scopri 33 repository GitHub open source attivi contrassegnati con #data-cleaning, che raccolgono un totale di 83,468 stelle (con una media di 2,529 stelle per progetto). Il progetto leader di questo argomento è cleanlab/cleanlab, con 11,755 stelle.

33
Totale Repository
83,468
Totale stelle
2,529
Media Stelle/Repo

33 repository in totale

1
cleanlab/cleanlab

La libreria open-source di Cleanlab è il pacchetto AI data-centric standard per la qualità dei dati e l'apprendimento automatico con dati e etichette disordinati del mondo reale.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Aggiornato 2026-01-13 📅 Creato 2018-05-11
2
voxel51/fiftyone

Raffinamento di set di dati di alta qualità e modelli di IA visiva

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2020-04-22
3
johnkerl/miller

Miller è come awk, sed, cut, join e sort per dati indicizzati per nome come CSV, TSV e JSON tabellare.

johnkerl
⭐ 10,069 Go 👤 johnkerl User 🕐 Aggiornato 2026-11-20 📅 Creato 2015-05-03
4
OpenDCAI/DataFlow

[SIGMOD'27] Preparazione dei dati semplificata con gli operatori e le pipeline più recenti basati su LLM.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2024-10-13
5
jvns/pandas-cookbook

Ricette per l'utilizzo della libreria pandas di Python

jvns
⭐ 6,988 Jupyter Notebook 👤 jvns User 🕐 Aggiornato 2024-10-24 📅 Creato 2013-12-21
6
unionai-oss/pandera

Una libreria leggera, flessibile ed espressiva per test su dati statistici

unionai-oss
⭐ 4,532 Python 👤 unionai-oss Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2018-11-01
7
seatgeek/thefuzz

Corrispondenza approssimativa di stringhe in Python

seatgeek
⭐ 3,629 Python 👤 seatgeek Organization 🕐 Aggiornato 2025-03-03 📅 Creato 2021-03-05
8
justmarkham/pandas-videos

Notebook Jupyter e dataset dalla serie video di pandas

justmarkham
⭐ 2,249 Jupyter Notebook 👤 justmarkham User 🕐 Aggiornato 2024-03-05 📅 Creato 2016-03-31
9
mahavivo/english-wordlists

Elenco di vocaboli inglesi comuni

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Aggiornato 2024-05-11 📅 Creato 2017-12-30
10
skrub-data/skrub

Apprendimento automatico con dataframes

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2018-03-12
11
justmarkham/DAT8

Corso di Data Science di General Assembly 2015 a Washington, DC

justmarkham
⭐ 1,622 Jupyter Notebook 👤 justmarkham User 🕐 Aggiornato 2024-06-05 📅 Creato 2015-08-07
12
hi-primus/optimus

:truck: Flussi di lavoro di preparazione dati agili resi facili con Pandas, Dask, cuDF, Dask-cuDF, Vaex e PySpark

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 Aggiornato 2024-12-02 📅 Creato 2017-07-13
13
sfirke/janitor

Strumenti semplici per la pulizia dei dati in R

sfirke
⭐ 1,461 R 👤 sfirke User 🕐 Aggiornato 2026-11-20 📅 Creato 2016-04-12
14
data-forge/data-forge-ts

Il toolkit JavaScript per la trasformazione e l'analisi dei dati ispirato a Pandas e LINQ.

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

Imparare l'analisi dei dati in modo pratico con un focus sui progetti, integrando i punti di conoscenza, per ottenere migliori risultati di apprendimento attraverso l'apprendimento, la pratica e la guida

datawhalechina
⭐ 1,375 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aggiornato 2024-05-29 📅 Creato 2020-07-14
16
weiruihhh/cs336_note_and_hw

Registrare le mie annotazioni e i compiti mentre studio CS336.

weiruihhh
⭐ 1,305 Python 👤 weiruihhh User 🕐 Aggiornato 2026-10-10 📅 Creato 2025-06-01
17
DataWithBaraa/sql-data-warehouse-project

Crea un data warehouse in SQL Server a partire da due sistemi sorgente, un CRM e un ERP, passando per i livelli bronze, silver e gold. File e script del progetto completo gratuito.

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 Aggiornato 2026-11-06 📅 Creato 2024-12-30
18
ECNU-ICALK/EduChat

Un modello di chat educativo open-source da ICALK, East China Normal University. Modello di dialogo educativo open-source cinese-inglese di grandi dimensioni. (Modello di base universale, distribuzione GPU, pulizia dati) Omaggio a: LLaMA, MOSS, BELLE, Ziya, vLLM

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

Analisi Esplorativa dei Dati Pratica con Python, pubblicato da Packt

PacktPublishing
⭐ 921 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Aggiornato 2026-07-05 📅 Creato 2019-10-07
20
HKUSTDial/awesome-data-agents

Lista di articoli continuamente aggiornata sui progressi negli Data Agents. Repo companion al nostro paper "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 Aggiornato 2026-11-08 📅 Creato 2025-08-31
21
JakeBayer/FuzzySharp

Implementazione in C# .NET del fuzzy string matching dell'algoritmo Python FuzzyWuzzy ben noto di Seat Geek.

JakeBayer
⭐ 776 C# 👤 JakeBayer User 🕐 Aggiornato 2024-08-20 📅 Creato 2018-04-10
22
JulietMirambo/Units_of_Measure_Harmonization-intelligence-platform

Sistema ML di qualità produttiva per il rilevamento automatizzato degli errori di unità di misura | Accuratezza 88-92% | Autonomia 94% | Flusso di lavoro KNIME

JulietMirambo
⭐ 732 PowerShell 👤 JulietMirambo User 🕐 Aggiornato 2026-05-21 📅 Creato 2025-10-20
23
derek73/python-nameparser

Analizza i nomi delle persone distinguendo titolo, nome, secondo nome, cognome, suffisso, soprannome e cognome da nubile. Con tipizzazione, senza dipendenze e compatibile con i caratteri CJK.

derek73
⭐ 721 Python 👤 derek73 User 🕐 Aggiornato 2026-11-21 📅 Creato 2014-04-02
24
saddamskst/Skill-Course-10x

Questo strumento è stato sviluppato da Md Saddam (YT-Saddam Tech).

saddamskst
⭐ 652 👤 saddamskst User 🕐 Aggiornato 2024-12-29 📅 Creato 2024-12-15
25
TheEconomist/covid-19-excess-deaths-tracker

Codice sorgente e dati per il tracker dei decessi in eccesso di COVID-19 di The Economist

TheEconomist
⭐ 646 R 👤 TheEconomist Organization 🕐 Aggiornato 2026-11-18 📅 Creato 2020-05-15
26
lgreski/datasciencectacontent

Repository per contenuti Community Mentor relativi alla Specializzazione in Data Science della Johns Hopkins University su Coursera

lgreski
⭐ 640 HTML 👤 lgreski User 🕐 Aggiornato 2026-06-07 📅 Creato 2015-10-29
27
vber/free-augmentcode

Per il plugin AugmentCode VSCode a ricaricamento illimitato. Uno strumento che ti permette di utilizzare il plugin AugmentCode VSCode a tempo indeterminato.

vber
⭐ 621 Python 👤 vber User 🕐 Aggiornato 2025-08-11 📅 Creato 2025-05-29
28
zsylvester/segmenteverygrain

Un modello basato su SAM per la segmentazione di istanze di immagini di cereali

zsylvester
⭐ 562 Jupyter Notebook 👤 zsylvester User 🕐 Aggiornato 2026-11-01 📅 Creato 2023-05-25
29
longshotlabs/simpl-schema

Un pacchetto di validazione dello schema JavaScript che supporta la validazione diretta degli oggetti modificatori di aggiornamento MongoDB

longshotlabs
⭐ 559 TypeScript 👤 longshotlabs Organization 🕐 Aggiornato 2026-10-27 📅 Creato 2016-07-01
30
akanz1/klib

Libreria Python di facile utilizzo con funzioni personalizzate per la pulizia e l'analisi dei dati.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Aggiornato 2026-10-28 📅 Creato 2020-03-25
31
Desbordante/desbordante-core

Desbordante è un profiler di dati ad alte prestazioni, in grado di scoprire molti modelli diversi nei dati utilizzando vari algoritmi. Consente inoltre di eseguire scenari di pulizia dei dati tramite questi algoritmi. Desbordante dispone di una versione per console e di un’applicazione web facile da usare.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2020-04-09
32
koaning/doubtlab

Dubita dei tuoi dati, trova etichette errate.

koaning
⭐ 517 Python 👤 koaning User 🕐 Aggiornato 2024-07-15 📅 Creato 2021-11-05
33
schema-inspector/schema-inspector

Schema-Inspector è un semplice modulo per la sanificazione e la validazione di oggetti JavaScript.

schema-inspector
⭐ 503 JavaScript 👤 schema-inspector Organization 🕐 Aggiornato 2026-10-05 📅 Creato 2014-01-02

Domande frequenti

1

Qual è il repository #data-cleaning più popolare su GitHub?

Il progetto open source #data-cleaning più alto in classifica su GitHub è cleanlab/cleanlab, con 11,755 stelle. La libreria open-source di Cleanlab è il pacchetto AI data-centric standard per la qualità dei dati e l'apprendimento automatico con dati e etichette disordinati del mondo reale.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #data-cleaning?

Tra i progetti #data-cleaning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TypeScript, R.

3

Come viene calcolata la classifica dei repository #data-cleaning?

Monitoriamo 33 repository open source attivi contrassegnati con #data-cleaning (500+ stelle), per un totale di 83,468 stelle e una media di 2,529 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.