Git Stars Git Stars

#data-cleaning Repositórios

Descubra 33 repositórios ativos de código aberto no GitHub marcados com #data-cleaning, acumulando um total de 83,468 estrelas (uma média de 2,529 por projeto). O líder deste tópico é cleanlab/cleanlab, com 11,755 estrelas.

33
Total de Repositórios
83,468
Total de estrelas
2,529
Média de Estrelas/Repositório

33 repositórios no total

1
cleanlab/cleanlab

A biblioteca de código aberto do Cleanlab é o pacote padrão de IA centrado em dados para qualidade de dados e aprendizado de máquina com dados e rótulos reais e confusos.

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

Refinar conjuntos de dados de alta qualidade e modelos de IA visual

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

Miller é como awk, sed, cut, join e sort para dados com índice de nome, como CSV, TSV e JSON tabular

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

[SIGMOD'27] Preparação de dados simplificada com os mais recentes operadores e pipelines baseados em LLM.

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

Receitas para usar a biblioteca pandas do Python

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

Uma biblioteca leve, flexível e expressiva para testes de dados estatísticos

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

Correspondência de Strings Difusas em Python

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

Caderno Jupyter e conjuntos de dados da série de vídeos do pandas

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

Vocabulário Comum em Inglês

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

Aprendizado de máquina com dataframes

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

Curso de Ciência de Dados da Assembleia Geral de 2015 em Washington, DC

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

:truck: Fluxos de Trabalho Ágeis de Preparação de Dados facilitados com Pandas, Dask, cuDF, Dask-cuDF, Vaex e PySpark

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

ferramentas simples para limpeza de dados em R

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

O kit de ferramentas de transformação e análise de dados JavaScript inspirado em Pandas e LINQ.

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

Na aprendizagem prática de análise de dados, os projetos servem como linha principal, com os pontos de conhecimento sendo assimilados ao longo do processo. Através do estudo, da prática e da orientação conjuntas, alcançam-se melhores resultados de aprendizagem.

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

Registrar meus apontamentos e tarefas ao estudar em cs336.

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

Crie um data warehouse no SQL Server a partir de dois sistemas de origem, um CRM e um ERP, passando pelas camadas bronze, silver e gold. Arquivos e scripts do projeto completo gratuito.

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

Um modelo de chat educacional de código aberto da ICALK, East China Normal University. Grande modelo de diálogo educacional Chinês-Inglês de código aberto. (Modelo de base geral, implantação em GPU, limpeza de dados) Homenagem a: LLaMA, MOSS, BELLE, Ziya, vLLM

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

Análise Exploratória de Dados Prática com Python, publicado pela Packt

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

Lista de artigos continuamente atualizada sobre avanços em Data Agents. Repositório complementar ao nosso artigo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"

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

Implementação em C# .NET de correspondência aproximada de strings do conhecido algoritmo FuzzyWuzzy do Seat Geek em python.

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

Sistema de ML de Grau de Produção para Detecção Automatizada de Erros de Unidade de Medida | Precisão de 88-92% | Autonomia de 94% | Fluxo de Trabalho KNIME

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

Analisa nomes de pessoas e os divide em título, nome próprio, nome do meio, sobrenome, sufixo, apelido e nome de solteira. Tipado, sem dependências e compatível com caracteres CJK.

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

Esta Ferramenta é Desenvolvida Por Md Saddam (YT-Saddam Tech)

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

Código-fonte e dados do rastreador de excesso de mortes por covid-19 da The Economist

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

repositório para conteúdo de Mentor Comunitário relacionado à Especialização em Ciência de Dados da Johns Hopkins University no Coursera

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

Uma ferramenta que permite usar o plugin AugmentCode VSCode indefinidamente.

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

Um modelo baseado em SAM para segmentação de instâncias de imagens de grãos

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

Um pacote de validação de esquema JavaScript que suporta a validação direta de objetos modificadores de atualização do MongoDB

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

Biblioteca Python fácil de usar com funções personalizadas para limpeza e análise de dados.

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

Desbordante é um perfilador de dados de alto desempenho capaz de descobrir muitos padrões diferentes nos dados usando vários algoritmos. Ele também permite executar cenários de limpeza de dados utilizando esses algoritmos. O Desbordante possui uma versão para console e uma aplicação web fácil de usar.

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

Duvide dos seus dados, encontre rótulos ruins.

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

Schema-Inspector é um módulo simples de higienização e validação de objetos JavaScript.

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

Perguntas Frequentes

1

Qual é o repositório de #data-cleaning mais popular no GitHub?

O projeto de código aberto de #data-cleaning mais bem classificado no GitHub é cleanlab/cleanlab, com 11,755 estrelas. A biblioteca de código aberto do Cleanlab é o pacote padrão de IA centrado em dados para qualidade de dados e aprendizado de máquina com dados e rótulos reais e confusos.

2

Quais linguagens de programação são mais usadas nos repositórios de #data-cleaning?

Entre os projetos de #data-cleaning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, R.

3

Como é calculada a classificação dos repositórios de #data-cleaning?

Acompanhamos 33 repositórios ativos de código aberto marcados com #data-cleaning (com mais de 500 estrelas), totalizando 83,468 estrelas e uma média de 2,529 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.