Git Stars Git Stars

#data-cleaning 仓库

探索 33 个标记为 #data-cleaning 的活跃开源 GitHub 仓库,它们累计获得 83,468 个 Star(平均每个项目 2,529 个)。该主题的领先项目是 cleanlab/cleanlab,拥有 11,755 个 Star。

33
仓库总数
83,468
总星标数
2,529
平均每个仓库星标数
1
cleanlab/cleanlab

Cleanlab 的开源库是处理杂乱的真实世界数据和标签的数据质量和机器学习的标准数据中心 AI 包。

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 已更新 2026-01-13 📅 创建时间 2018-05-11
2
voxel51/fiftyone

优化高质量数据集和视觉AI模型

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 已更新 2026-11-21 📅 创建时间 2020-04-22
3
johnkerl/miller

Miller 类似于 awk、sed、cut、join 和 sort,用于处理如 CSV、TSV 和表格 JSON 等基于名称索引的数据。

johnkerl
⭐ 10,069 Go 👤 johnkerl User 🕐 已更新 2026-11-20 📅 创建时间 2015-05-03
4
OpenDCAI/DataFlow

[SIGMOD'27] 使用最新的基于大语言模型的算子和流水线轻松进行数据准备。

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 已更新 2026-11-18 📅 创建时间 2024-10-13
5
jvns/pandas-cookbook

使用 Python 的 pandas 库的食谱

jvns
⭐ 6,988 Jupyter Notebook 👤 jvns User 🕐 已更新 2024-10-24 📅 创建时间 2013-12-21
6
unionai-oss/pandera

一个轻量级、灵活且富有表现力的统计数据测试库

unionai-oss
⭐ 4,532 Python 👤 unionai-oss Organization 🕐 已更新 2026-11-19 📅 创建时间 2018-11-01
7
seatgeek/thefuzz

Python中的模糊字符串匹配

seatgeek
⭐ 3,629 Python 👤 seatgeek Organization 🕐 已更新 2025-03-03 📅 创建时间 2021-03-05
8
justmarkham/pandas-videos

来自 pandas 视频系列的 Jupyter notebook 和数据集

justmarkham
⭐ 2,249 Jupyter Notebook 👤 justmarkham User 🕐 已更新 2024-03-05 📅 创建时间 2016-03-31
9
mahavivo/english-wordlists

常用英语词汇表

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 已更新 2024-05-11 📅 创建时间 2017-12-30
10
skrub-data/skrub

使用数据帧的机器学习

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 已更新 2026-11-20 📅 创建时间 2018-03-12
11
justmarkham/DAT8

华盛顿特区的 General Assembly 2015 数据科学课程

justmarkham
⭐ 1,622 Jupyter Notebook 👤 justmarkham User 🕐 已更新 2024-06-05 📅 创建时间 2015-08-07
12
hi-primus/optimus

:truck: 使用 Pandas、Dask、cuDF、Dask-cuDF、Vaex 和 PySpark 轻松实现敏捷数据准备工作流

hi-primus
⭐ 1,539 Python 👤 hi-primus Organization 🕐 已更新 2024-12-02 📅 创建时间 2017-07-13
13
sfirke/janitor

R 中数据清洗的简单工具

sfirke
⭐ 1,461 R 👤 sfirke User 🕐 已更新 2026-11-20 📅 创建时间 2016-04-12
14
data-forge/data-forge-ts

受 Pandas 和 LINQ 启发的 JavaScript 数据转换和分析工具包。

data-forge
⭐ 1,392 TypeScript 👤 data-forge Organization 🕐 已更新 2026-10-26 📅 创建时间 2017-11-27
15
datawhalechina/hands-on-data-analysis

动手学数据分析以项目为主线,知识点孕育其中,通过边学、边做、边引导来得到更好的学习效果

datawhalechina
⭐ 1,375 Jupyter Notebook 👤 datawhalechina Organization 🕐 已更新 2024-05-29 📅 创建时间 2020-07-14
16
weiruihhh/cs336_note_and_hw

记录我在cs336学习时的笔记和作业

weiruihhh
⭐ 1,305 Python 👤 weiruihhh User 🕐 已更新 2026-10-10 📅 创建时间 2025-06-01
17
DataWithBaraa/sql-data-warehouse-project

在 SQL Server 中整合两个源系统(CRM 和 ERP),经过青铜层、白银层和黄金层,构建数据仓库。免费完整项目的文件和脚本。

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 已更新 2026-11-06 📅 创建时间 2024-12-30
18
ECNU-ICALK/EduChat

An open-source educational chat model from ICALK, East China Normal University. 开源中英教育对话大模型。(通用基座模型,GPU部署,数据清理) 致敬: LLaMA, MOSS, BELLE, Ziya, vLLM

ECNU-ICALK
⭐ 952 Jupyter Notebook 👤 ECNU-ICALK Organization 🕐 已更新 2025-07-18 📅 创建时间 2023-06-26
19
PacktPublishing/Hands-on-Exploratory-Data-Analysis-with-Python

Python实战探索性数据分析,由Packt出版

PacktPublishing
⭐ 921 Jupyter Notebook 👤 PacktPublishing Organization 🕐 已更新 2026-07-05 📅 创建时间 2019-10-07
20
HKUSTDial/awesome-data-agents

数据代理进展的持续更新论文列表。我们论文《数据代理调查:新兴范式还是过度炒作?》的配套仓库

HKUSTDial
⭐ 804 Python 👤 HKUSTDial Organization 🕐 已更新 2026-11-08 📅 创建时间 2025-08-31
21
JakeBayer/FuzzySharp

C# .NET 实现 Seat Geek 著名的 Python FuzzyWuzzy 算法的模糊字符串匹配。

JakeBayer
⭐ 776 C# 👤 JakeBayer User 🕐 已更新 2024-08-20 📅 创建时间 2018-04-10
22
JulietMirambo/Units_of_Measure_Harmonization-intelligence-platform

用于自动计量单位错误检测的生产级 ML 系统 | 88-92% 准确率 | 94% 自动化程度 | KNIME 工作流

JulietMirambo
⭐ 732 PowerShell 👤 JulietMirambo User 🕐 已更新 2026-05-21 📅 创建时间 2025-10-20
23
derek73/python-nameparser

将人名解析为称谓、名、中间名、姓、后缀、昵称和婚前姓氏。具有类型定义、零依赖,并支持中日韩文字。

derek73
⭐ 721 Python 👤 derek73 User 🕐 已更新 2026-11-21 📅 创建时间 2014-04-02
24
saddamskst/Skill-Course-10x

此工具由 Md Saddam(YT-Saddam Tech)开发。

saddamskst
⭐ 652 👤 saddamskst User 🕐 已更新 2024-12-29 📅 创建时间 2024-12-15
25
TheEconomist/covid-19-excess-deaths-tracker

经济学人新冠肺炎超额死亡追踪器源代码和数据

TheEconomist
⭐ 646 R 👤 TheEconomist Organization 🕐 已更新 2026-11-18 📅 创建时间 2020-05-15
26
lgreski/datasciencectacontent

Coursera 上约翰霍普金斯大学数据科学专项课程相关的社区导师内容仓库

lgreski
⭐ 640 HTML 👤 lgreski User 🕐 已更新 2026-06-07 📅 创建时间 2015-10-29
27
vber/free-augmentcode

用于无限续杯 AugmentCode VSCode 插件。一个允许您无限期使用 AugmentCode VSCode 插件的工具。

vber
⭐ 621 Python 👤 vber User 🕐 已更新 2025-08-11 📅 创建时间 2025-05-29
28
zsylvester/segmenteverygrain

用于谷物图像实例分割的SAM基础模型

zsylvester
⭐ 562 Jupyter Notebook 👤 zsylvester User 🕐 已更新 2026-11-01 📅 创建时间 2023-05-25
29
longshotlabs/simpl-schema

一个 JavaScript 模式验证包,支持直接验证 MongoDB 更新修改器对象

longshotlabs
⭐ 559 TypeScript 👤 longshotlabs Organization 🕐 已更新 2026-10-27 📅 创建时间 2016-07-01
30
akanz1/klib

用于数据清理和分析的定制函数,易于使用的 Python 库。

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 已更新 2026-10-28 📅 创建时间 2020-03-25
31
Desbordante/desbordante-core

Desbordante 是一款高性能数据分析工具,能够利用各种算法发现数据中的多种模式。它还支持使用这些算法运行数据清洗场景。Desbordante 提供控制台版本和易于使用的 Web 应用程序。

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 已更新 2026-11-17 📅 创建时间 2020-04-09
32
koaning/doubtlab

质疑你的数据,找出错误的标签。

koaning
⭐ 517 Python 👤 koaning User 🕐 已更新 2024-07-15 📅 创建时间 2021-11-05
33
schema-inspector/schema-inspector

Schema-Inspector 是一个简单的 JavaScript 对象清理和验证模块。

schema-inspector
⭐ 503 JavaScript 👤 schema-inspector Organization 🕐 已更新 2026-10-05 📅 创建时间 2014-01-02

常见问题解答

1

GitHub 上最受欢迎的 #data-cleaning 仓库是什么?

GitHub 上排名第一的开源 #data-cleaning 项目是 cleanlab/cleanlab,拥有 11,755 个 Star。Cleanlab 的开源库是处理杂乱的真实世界数据和标签的数据质量和机器学习的标准数据中心 AI 包。

2

#data-cleaning 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #data-cleaning 项目中,最常见的编程语言是 Python, Jupyter Notebook, TypeScript, R。

3

#data-cleaning 仓库的排名是如何计算的?

我们跟踪了 33 个标记为 #data-cleaning 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 83,468 个 Star,平均每个仓库拥有 2,529 个 Star。排名每日根据 GitHub API 更新。