Git Stars Git Stars

#data-cleaning Репозитории

Откройте для себя 33 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #data-cleaning, с общим числом 83,468 звёзд (в среднем 2,529 на проект). Лидером этой темы является cleanlab/cleanlab, набравший 11,755 звёзд.

33
Всего репозиториев
83,468
Всего звезд
2,529
Среднее количество звезд на репозиторий

Всего репозиториев: 33

1
cleanlab/cleanlab

Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.

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

Уточнение высококачественных наборов данных и моделей визуального ИИ

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

Miller похож на awk, sed, cut, join и sort для данных с индексацией по именам, таких как CSV, TSV и табличный JSON.

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

[SIGMOD'27] Простая подготовка данных с использованием новейших операторов и конвейеров на основе LLM.

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

Рецепты использования библиотеки pandas от Python

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

Легковесная, гибкая и выразительная библиотека для статистического тестирования данных

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

Нечеткое сопоставление строк в Python

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

Jupyter notebook и наборы данных из видео серии pandas

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

Список распространенной английской лексики

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

Машинное обучение с датафреймами

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

Курс по Data Science от General Assembly 2015 года в Вашингтоне, округ Колумбия

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

:truck: Гибкие рабочие процессы подготовки данных, упрощенные с помощью Pandas, Dask, cuDF, Dask-cuDF, Vaex и PySpark

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

Простые инструменты для очистки данных в R

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

Инструментарий для преобразования и анализа данных на JavaScript, вдохновленный Pandas и LINQ.

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

Практическое изучение анализа данных ориентировано на проекты, с встроенными точками знаний, для достижения лучших результатов обучения посредством обучения, практики и наставничества

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

Записать мои заметки и домашние задания во время изучения CS336.

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

Создайте хранилище данных в SQL Server на основе двух исходных систем — CRM и ERP — с использованием слоёв bronze, silver и gold. Файлы и скрипты полного бесплатного проекта.

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

Образовательная чат-модель с открытым исходным кодом от ICALK, Восточно-Китайского педагогического университета. Открытая китайско-английская большая модель для образовательного диалога. (Универсальная базовая модель, развертывание на GPU, очистка данных) В честь: LLaMA, MOSS, BELLE, Ziya, vLLM

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

Практический разведочный анализ данных с Python, издательство Packt

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

Непрерывно обновляемый список статей о достижениях в Data Agents. Сопутствующий репозиторий к нашей статье «A Survey of Data Agents: Emerging Paradigm or Overstated Hype?»

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

Реализация fuzzy string matching на C# .NET известного Python-алгоритма FuzzyWuzzy от Seat Geek.

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

Система машинного обучения промышленного уровня для автоматического обнаружения ошибок единиц измерения | Точность 88-92% | Автономность 94% | Рабочий процесс KNIME

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

Разбирает имена людей на титул, имя, второе имя, фамилию, суффикс, прозвище и девичью фамилию. С типизацией, без зависимостей, с поддержкой CJK.

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

Этот инструмент разработан Md Saddam (YT-Saddam Tech).

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

Исходный код и данные для трекера избыточной смертности от COVID-19 от The Economist

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

Репозиторий для контента Community Mentor, связанного со специализацией по Data Science Университета Джонса Хопкинса на Coursera

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

Для безлимитного пополнения плагина AugmentCode VSCode. Инструмент, который позволяет вам бессрочно использовать плагин AugmentCode VSCode.

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

Модель на основе SAM для сегментации экземпляров изображений зерна

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

Пакет валидации схем JavaScript, поддерживающий прямую валидацию объектов модификаторов обновлений MongoDB

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

Простая в использовании библиотека Python с настраиваемыми функциями для очистки и анализа данных.

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

Desbordante — это высокопроизводительный профилировщик данных, способный обнаруживать множество различных закономерностей в данных с помощью различных алгоритмов. Он также позволяет запускать сценарии очистки данных с использованием этих алгоритмов. Desbordante доступен в виде консольной версии и простого в использовании веб-приложения.

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

Сомневайтесь в своих данных, находите плохие метки.

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

Schema-Inspector — это простой модуль для очистки и проверки объектов JavaScript.

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

Часто задаваемые вопросы

1

Какой репозиторий по теме #data-cleaning наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #data-cleaning на GitHub — cleanlab/cleanlab, набравший 11,755 звёзд. Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.

2

Какие языки программирования чаще всего используются в репозиториях по теме #data-cleaning?

Среди наиболее высоко оценённых проектов по теме #data-cleaning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, R.

3

Как рассчитывается рейтинг репозиториев по теме #data-cleaning?

Мы отслеживаем 33 активных репозиториев с открытым исходным кодом, отмеченных тегом #data-cleaning (500 и более звёзд), с общим числом 83,468 звёзд и в среднем 2,529 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.