#pandas Репозитории
Всего репозиториев: 171
Извлекайте данные из широкого спектра интернет-источников в DataFrame pandas.
Это репозиторий, созданный для помощи новичкам в машинном обучении или тем, кто готовится к изучению. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Визуализируйте и сравнивайте наборы данных, целевые значения и ассоциации с помощью одной строки кода.
100 головоломок по данным для pandas, от коротких и простых до супер сложных (60% завершено)
Mars — это унифицированная среда на основе тензоров для大规模ных вычислений данных, которая масштабирует numpy, pandas, scikit-learn и функции Python.
Репозиторий для YouTube-курса freeCodeCamp «Алгоритмическая торговля на Python»
ArcticDB — это высокопроизводительная бессерверная база данных DataFrame, созданная для экосистемы науки о данных Python.
Расширения Jupyter, которые помогут вам быстрее писать код: контекстно-зависимый чат с ИИ, автозаполнение и электронная таблица
Пакет, который эффективно применяет любую функцию к pandas dataframe или series наиболее быстрым доступным способом
Apache Hamilton помогает специалистам по данным и инженерам определять тестируемые, модульные, самодокументируемые потоки данных, которые кодируют происхождение/отслеживание и метаданные. Работает и масштабируется везде, где работает python.
PyGraphistry — это библиотека Python для быстрой загрузки, формирования, встраивания и исследования больших графов с помощью визуального анализатора графов Graphistry с ускорением GPU.
Библиотека совместимых с sklearn энкодеров категориальных переменных
Освойте ключевые навыки, необходимые для распознавания и решения сложных реальных проблем с помощью машинного обучения и глубокого обучения, используя высоко популярную экосистему Python Machine Learning.
Селектор признаков — это инструмент для снижения размерности наборов данных машинного обучения
Изучите Python в течение следующих 30 (или около того) дней.
🚀 Более 500 отобранных ресурсов по анализу данных и науке о данных: Python, SQL, статистика, машинное обучение, ИИ, визуализация, шпаргалки, дорожные карты, подготовка к собеседованиям. Для начинающих и экспертов.
Единый интерфейс для распределенных вычислений. Fugue выполняет код SQL, Python, Pandas и Polars на Spark, Dask и Ray без каких-либо переписываний.
Подходит для начинающих и продвинутых игроков среднего уровня, когда система налажена, все зависит от мастерства.
qstock разработан публичным аккаунтом «Python Financial Quant» с целью создания персонального пакета для количественного анализа инвестиционных исследований, который в настоящее время включает модули для получения данных (data), визуализации (plot), выбора акций (stock) и количественного бэктестинга (strategy backtest). qstock предоставит пользователям лаконичный интерфейс данных и нормализованные данные финансового рынка. Модуль визуализации предоставляет пользователям простой интерфейс для интерактивной графики на основе веб-технологий; модуль выбора акций предоставляет данные выбора акций от Tonghuashun и пользовательский выбор акций, включая RPS, тренд MM, финансовые индикаторы, модель денежных потоков и т. д.; модуль бэктестинга предоставляет всем векторизованный (на основе pandas) и событийно-ориентированный базовый фреймворк и модель. Подписывайтесь на публичный аккаунт WeChat «Python Financial Quant», чтобы получить больше информации о приложениях.
Что содержится в ваших данных? Извлекайте схемы, статистику и сущности из наборов данных
Предоставьте обертку ``StockDataFrame`` на основе ``pandas.DataFrame`` с поддержкой встроенной статистики/индикаторов акций.
Портфолио проектов по науке о данных, выполненных мной в академических целях, для самообучения и в качестве хобби.
:crown: Многомерный исследовательский анализ данных в Python — PCA, CA, MCA, MFA, FAMD, GPA
Высокопроизводительные вычисления для N-мерных тензоров в .NET с API, идентичным NumPy.
Создавайте анимированные соревнования гистограмм на Python с помощью matplotlib
Общие метрики финансового риска и производительности. Используются zipline и pyfolio.
Простой и удобный в использовании пакет количественных финансовых данных (простая утилита для получения данных финансового рынка Китая)
Инструментарий для преобразования и анализа данных на JavaScript, вдохновленный Pandas и LINQ.
Практическое изучение анализа данных ориентировано на проекты, с встроенными точками знаний, для достижения лучших результатов обучения посредством обучения, практики и наставничества