Git Stars Git Stars

#data-preprocessing 仓库

探索 34 个标记为 #data-preprocessing 的活跃开源 GitHub 仓库,它们累计获得 83,063 个 Star(平均每个项目 2,443 个)。该主题的领先项目是 openai/tiktoken,拥有 19,698 个 Star。

34
仓库总数
83,063
总星标数
2,443
平均每个仓库星标数
1
openai/tiktoken

tiktoken 是一个与 OpenAI 模型配套使用的快速 BPE 分词器。

openai
⭐ 19,698 Python 👤 openai Organization 🕐 已更新 2026-11-08 📅 创建时间 2022-12-01
2
dwyl/english-words

:memo: 一个包含 479k 英语单词的文本文件,适用于您所有的字典/基于单词的项目,例如:自动完成 / 自动建议

dwyl
⭐ 12,122 Python 👤 dwyl Organization 🕐 已更新 2025-01-06 📅 创建时间 2014-07-13
3
sjwhitworth/golearn

Go的机器学习

sjwhitworth
⭐ 9,455 Go 👤 sjwhitworth User 🕐 已更新 2024-01-15 📅 创建时间 2013-12-26
5
TommyZihao/Train_Custom_Dataset

标注自己的数据集,训练、评估、测试、部署自己的人工智能算法

TommyZihao
⭐ 4,132 Jupyter Notebook 👤 TommyZihao User 🕐 已更新 2026-01-07 📅 创建时间 2022-07-23
6
rspeer/python-ftfy

修复 Unicode 文本中的 mojibake 和其他故障,事后。

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 已更新 2024-10-30 📅 创建时间 2012-08-24
7
The-Japan-DataScientist-Society/100knocks-preprocess

数据科学100题(结构化数据处理篇)

The-Japan-DataScientist-Society
⭐ 2,536 HTML 👤 The-Japan-DataScientist-Society Organization 🕐 已更新 2026-11-11 📅 创建时间 2020-05-28
8
scikit-learn-contrib/category_encoders

sklearn 兼容的分类变量编码器库

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 已更新 2026-10-31 📅 创建时间 2015-11-29
9
WillKoehrsen/feature-selector

特征选择器是用于机器学习数据集降维的工具

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 已更新 2024-06-17 📅 创建时间 2018-06-20
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
lizhe2004/Awesome-LLM-RAG-Application

关于基于 RAG 模式的 LLM 应用程序的资源

lizhe2004
⭐ 1,662 👤 lizhe2004 User 🕐 已更新 2026-10-12 📅 创建时间 2023-12-27
12
hashcat/hashcat-utils

适用于高级密码破解的小型实用工具

hashcat
⭐ 1,643 C 👤 hashcat Organization 🕐 已更新 2026-10-27 📅 创建时间 2015-11-20
13
scikit-learn-contrib/boruta_py

Boruta 全相关特征选择方法的 Python 实现。

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 已更新 2025-11-13 📅 创建时间 2016-01-30
14
jadijadi/machine_learning_with_python_jadi

我们在机器学习课程中使用的笔记本

jadijadi
⭐ 1,215 Jupyter Notebook 👤 jadijadi User 🕐 已更新 2025-10-16 📅 创建时间 2021-09-20
15
campusx-official/ML-Roadmap-for-2022

精选的机器学习视频、链接、项目和数据集列表,帮助您在 6 个月内征服 ML 领域。

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 已更新 2024-08-20 📅 创建时间 2022-01-10
17
data-prep-kit/data-prep-kit

面向GenAI应用的开源数据准备项目

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 已更新 2026-09-29 📅 创建时间 2024-04-08
19
IIIS-Li-Group/OpenFE

OpenFE:具有专家级性能的自动化特征生成

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 已更新 2024-05-27 📅 创建时间 2022-11-21
20
potree/PotreeConverter

创建多分辨率点云以供potree使用

potree
⭐ 823 JavaScript 👤 potree User 🕐 已更新 2026-11-02 📅 创建时间 2014-02-08
22
LAION-AI/audio-dataset

用于训练 CLAP 和其他模型的音频数据集

LAION-AI
⭐ 750 Python 👤 LAION-AI Organization 🕐 已更新 2026-01-08 📅 创建时间 2022-03-07
24
cesium-ml/cesium

机器学习时间序列平台

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 已更新 2025-01-17 📅 创建时间 2014-10-29
25
NathanEpstein/Dora

Python 中的探索性数据分析工具

NathanEpstein
⭐ 647 Python 👤 NathanEpstein User 🕐 已更新 2025-08-05 📅 创建时间 2016-02-16
26
Western-OC2-Lab/AutoML-Implementation-for-Static-and-Dynamic-Data-Analytics

用于静态/批量和在线/持续学习的自动化机器学习(AutoML)方法的使用实现/教程

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 已更新 2024-05-14 📅 创建时间 2022-09-09
27
tidymodels/recipes

用于特征工程和数据预处理的可管道化步骤,以准备建模

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 已更新 2026-09-17 📅 创建时间 2016-12-16
29
Lightning-AI/litData

通过修复数据加载来加速模型训练。

Lightning-AI
⭐ 617 Python 👤 Lightning-AI Organization 🕐 已更新 2026-11-17 📅 创建时间 2024-02-15
30
torcheeg/torcheeg

TorchEEG 是一个构建在 PyTorch 之上的用于 EEG 信号分析的库。

torcheeg
⭐ 585 Python 👤 torcheeg Organization 🕐 已更新 2026-11-04 📅 创建时间 2022-06-06
31
machinelearnjs/machinelearnjs

用于 Web 和 Node 的机器学习库。

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 已更新 2026-02-07 📅 创建时间 2018-04-29
32
mlfoundations/open_lm

关于中等规模语言模型的研究的仓库。

mlfoundations
⭐ 536 Python 👤 mlfoundations Organization 🕐 已更新 2025-06-06 📅 创建时间 2023-08-23
33
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
34
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

常见问题解答

1

GitHub 上最受欢迎的 #data-preprocessing 仓库是什么?

GitHub 上排名第一的开源 #data-preprocessing 项目是 openai/tiktoken,拥有 19,698 个 Star。tiktoken 是一个与 OpenAI 模型配套使用的快速 BPE 分词器。

2

#data-preprocessing 仓库中最常使用的编程语言有哪些?

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

3

#data-preprocessing 仓库的排名是如何计算的?

我们跟踪了 34 个标记为 #data-preprocessing 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 83,063 个 Star,平均每个仓库拥有 2,443 个 Star。排名每日根据 GitHub API 更新。