data-analysis

Provavelmente a melhor lista selecionada de softwares de ciência de dados em Python.

🛠 IDE baseada na web tudo-em-um especializada em aprendizado de máquina e ciência de dados.

Uma aplicação desktop para visualizar e analisar dados tabulares

Repositório oficial do ROOT: analisando, armazenando e visualizando big data cientificamente

Extraia dados de uma ampla gama de fontes da Internet para um DataFrame do pandas

Uma alternativa de código aberto ao Tableau. Análise visual incorporável.

Biblioteca de gráficos bonita, de código aberto e baseada em WebGPU.

Lista de ferramentas e conjuntos de dados para detecção de anomalias em dados de séries temporais.

Uma ferramenta de aprendizado de máquina intuitiva que permite treinar, testar e usar modelos sem escrever código.

Fluxo de construção de um pequeno grafo de conhecimento financeiro (neo4j / python / cypher / KG)

Visualize e compare conjuntos de dados, valores-alvo e associações com uma linha de código.

Apache DevLake é uma plataforma de dados de desenvolvimento de código aberto para ingerir, analisar e visualizar dados fragmentados de ferramentas de DevOps, extraindo insights para excelência em engenharia, experiência do desenvolvedor e crescimento da comunidade.

100 desafios de dados para pandas, variando de curtos e simples a extremamente complexos (60% concluído)

Deepnote é um substituto direto para o Jupyter com design focado em IA, interface elegante, novos blocos e integrações nativas de dados. Use Python, R e SQL localmente na sua IDE favorita, depois escale para a nuvem Deepnote para colaboração em tempo real, agente Deepnote e implantação de aplicativos de dados.

DataFrame em C++ para análise estatística, financeira e de ML em C++ moderno.

A ferramenta de inteligência de negócios mais rápida para humanos e agentes.

Um framework unificado para análise de dados e aprendizado de máquina com preservação de privacidade

Extensões para Jupyter que ajudam a escrever código mais rapidamente: chat de IA sensível ao contexto, preenchimento automático e planilhas.

O Apache Hamilton ajuda cientistas de dados e engenheiros a definir fluxos de dados testáveis, modulares e auto-documentados, que codificam linhagem/rastreamento e metadados. Executa e escala em qualquer lugar onde o Python execute.

Notas de aula de Álgebra Linear com Python. Esta série de notas de aula guiará você por todos os conceitos essenciais que fundamentam a ciência de dados ou conjuntos de habilidades quantitativas avançadas. Adequado para estatísticos, econometristas, analistas quantitativos, cientistas de dados e outros para atualizar rapidamente a álgebra linear com a ajuda de computação e visualização em Python.

Um framework de visualização de dados declarativo, moderno e elegante para iOS, iPadOS e macOS. Extremamente poderoso, suporta tipos de gráficos de linha, spline, área, areaspline, coluna, barra, pizza, dispersão, medidores angulares, arearange, areasplinerange, columnrange, bolha, box plot, barras de erro, funil, cascata e polar.

Algoritmos de ML de 2 a 2000x mais rápidos, 50% menos uso de memória, funcionam em todos os hardwares, novos e antigos.

ArcticDB é um banco de dados de DataFrame serverless de alto desempenho, construído para o ecossistema de Ciência de Dados em Python.

Solução de observabilidade de dados nativa do dbt para engenheiros de dados e análise. Monitore seus pipelines de dados em minutos. Disponível como serviço self-hosted ou em nuvem com recursos premium.

Visualização de dados instantânea e offline baseada em SQL diretamente no seu navegador.

Lista curada de ferramentas de BI. Pull requests são bem-vindos!

Datart é uma plataforma aberta de visualização de dados de próxima geração.

Jupyter notebooks e conjuntos de dados da série de vídeos sobre pandas.

Este repositório ajuda você a aprender Python e Machine Learning do zero.

O substituto moderno para o Jupyter Notebooks.