data-analysis

Wahrscheinlich die beste kuratierte Liste von Data-Science-Software in Python.

🛠 All-in-One webbasierte IDE, spezialisiert auf Machine Learning und Data Science.

Eine Desktop-Anwendung zum Anzeigen und Analysieren von tabellarischen Daten

Das offizielle Repository für ROOT: Analyse, Speicherung und Visualisierung von Big Data für die Wissenschaft

Daten aus einer Vielzahl von Internetquellen in einen pandas DataFrame extrahieren.

Eine Open-Source-Alternative zu Tableau. Einbettbare visuelle Analytik

Schöne, Open-Source-basierte WebGPU-Diagrammbibliothek

Liste von Tools und Datensätzen zur Anomalieerkennung bei Zeitreihendaten.

Ein wunderbares Machine-Learning-Tool, mit dem Sie Modelle ohne Code-Schreiben trainieren, testen und verwenden können

Erstellungsprozess eines kleinen Finanz-Wissensgraphen (neo4j / python / cypher / KG)

Visualisieren und vergleichen Sie Datensätze, Zielwerte und Assoziationen mit nur einer Zeile Code.

Apache DevLake ist eine Open-Source-Entwicklerdatenplattform zum Erfassen, Analysieren und Visualisieren fragmentierter Daten aus DevOps-Tools, um Einblicke für Engineering Excellence, Developer Experience und Community-Wachstum zu gewinnen.

100 Daten-Puzzles für pandas, von kurz und einfach bis super knifflig (zu 60 % vollständig)

Deepnote ist ein direkter Ersatz für Jupyter mit einem KI-zentrierten Design, einer eleganten Benutzeroberfläche, neuen Blöcken und nativen Datenintegrationen. Nutzen Sie Python, R und SQL lokal in Ihrer bevorzugten IDE und skalieren Sie dann zur Deepnote-Cloud für Echtzeit-Kollaboration, den Deepnote-Agenten und bereitstellbare Daten-Apps. https://deepnote.com/

C++ DataFrame für statistische, finanzielle und ML-Analysen in modernem C++

Das schnellste Business-Intelligence-Tool für Menschen und Agents.

Ein einheitliches Framework für datenschutzfreundliche Datenanalyse und maschinelles Lernen

Jupyter-Erweiterungen, die Ihnen helfen, Code schneller zu schreiben: Kontextsensitive KI-Chats, Autovervollständigung und Tabellenkalkulationen

Apache Hamilton hilft Data Scientists und Engineers dabei, testbare, modulare und selbstdokumentierende Datenflüsse zu definieren, die Abstammung (Lineage/Tracing) und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.

Vorlesungsskripte zur Linearen Algebra mit Python. Diese Reihe von Skripten führt Sie durch alle wichtigen Konzepte, die das Fundament für Data Science oder fortgeschrittene quantitative Fähigkeiten bilden.

📈📊📱💻🖥️ Ein elegantes, modernes, deklaratives Datenvisualisierungs-Chart-Framework für iOS, iPadOS und macOS. Äußerst leistungsstark, unterstützt Linien-, Spline-, Flächen-, Flächen-Spline-, Spalten-, Balken-, Kreis-, Streu-, Winkel-Tachos, Flächenbereichs-, Flächen-Spline-Bereichs-, Spaltenbereichs-, Blasen-, Boxplot-, Fehlerbalken-, Trichter-, Wasserfall- und Polardiagrammtypen.

2- bis 2000-mal schnellere ML-Algorithmen, 50 % weniger Speicherverbrauch, funktioniert auf alter und neuer Hardware.

ArcticDB ist eine hochleistungsfähige, serverlose DataFrame-Datenbank, die für das Python Data Science-Ökosystem entwickelt wurde.

Die dbt-native Daten-Observability-Lösung für Data- und Analytics-Engineers. Überwachen Sie Ihre Daten-Pipelines in wenigen Minuten. Als Self-Hosted- oder Cloud-Service mit Premium-Funktionen verfügbar.

Sofortige, offline und SQL-gestützte Datenvisualisierung im Browser

Aktiv kuratierte Liste fantastischer BI-Tools. PRs willkommen!

Datart ist eine Open-Source-Plattform der nächsten Generation für Datenvisualisierung

Jupyter-Notebooks und Datensätze aus der Pandas-Videoreihe

Dieses Repository hilft Ihnen, Python und Machine Learning von Grund auf zu lernen.

Der moderne Ersatz für Jupyter Notebooks