Awesome GitHub RepositoriesDataframe Visualizers

Pygwalker is a library that transforms tabular data into interactive, drag-and-drop interfaces for exploratory analysis and visualization. It functions as a grammar-based framework that translates user interactions into declarative chart definitions, allowing for the creation of dynamic data exploration environments directly within notebooks or embedded web applications. The system distinguishes itself by offloading heavy analytical computations to backend kernels, which maintains responsiveness when visualizing large datasets. It supports the serialization of visual states into portable conf

DearPyGui is a GPU-accelerated, immediate-mode graphical user interface framework for Python. It provides a high-performance toolkit for building interactive desktop applications by leveraging native hardware-accelerated rendering backends across multiple operating systems. By utilizing an immediate-mode execution model, the library offers direct control over the rendering loop and element state, enabling the creation of responsive, dynamic interfaces. The framework distinguishes itself through its ability to handle complex, high-frequency visual updates, making it suitable for real-time data

This library provides a diagnostic toolkit for automated data profiling and exploratory analysis. It generates comprehensive statistical summaries and visual reports for tabular datasets, enabling users to identify distribution patterns, missing values, and quality anomalies through a unified interface. The project distinguishes itself by offering differential analysis, which allows for the comparison of two dataset versions to track structural and statistical changes over time. It supports large-scale data processing through lazy evaluation and provides interactive widgets that embed directl

This project is an exploratory data analysis framework and profiling tool designed to generate comprehensive statistical reports from Pandas and Spark DataFrames. It functions as a data quality profiler that identifies missing values, duplicates, and high correlations within tabular datasets. The tool distinguishes itself through specialized capabilities for time-series analysis, extracting temporal statistics, seasonality, and auto-correlation plots. It also includes a dataset comparison utility to identify structural or content changes between different versions of a dataset. The analysis

This project is an exploratory data analysis library and profiling tool for Pandas and Spark DataFrames. It automates the initial investigation of datasets by generating comprehensive descriptive analysis reports, statistical summaries, and data quality warnings. The system functions as a data quality profiler to detect missing values, duplicate rows, and type inconsistencies. It includes a dataset comparison tool for identifying structural and content shifts between different versions of the same data, as well as specialized tools for time-series analysis to calculate auto-correlation and se

Ydata-profiling is an automated exploratory data analysis framework designed to generate comprehensive statistical reports and visual summaries from dataframes. It functions as a diagnostic tool for assessing data quality, identifying missing values, duplicates, and outliers, while providing a scalable engine for profiling massive datasets across distributed enterprise environments. The project distinguishes itself through its ability to handle large-scale data through distributed task orchestration and lazy stream processing, which minimizes memory overhead during complex computations. It in

Dieses Projekt ist ein Lehrplan für Machine Learning und eine Lernplattform, die über interaktive Jupyter Notebooks bereitgestellt wird. Es dient als umfassender Leitfaden zur Beherrschung des Python-Data-Science-Toolkits und bietet strukturierte Tutorials für numerisches Rechnen, Manipulation tabellarischer Daten und statistische Visualisierung. Der Lehrplan enthält spezifische Implementierungsleitfäden für Scikit-Learn und einen praktischen Kurs zu TensorFlow für den Aufbau, das Training und das Deployment neuronaler Netze und Computer-Vision-Modelle. Er deckt den End-to-End-Prozess des Aufbaus prädiktiver Modelle ab, von der anfänglichen Problemformulierung und Aufgabenkategorisierung bis hin zum Deployment der Modelle über interaktive Weboberflächen. Das Projekt deckt ein breites Funktionsspektrum ab, einschließlich numerischem Rechnen mit mehrdimensionalen Arrays, explorativer Datenanalyse und Datenvorverarbeitungsroutinen. Es bietet detaillierte Workflows für überwachtes und unüberwachtes Lernen, automatisierte Machine-Learning-Pipelines, Hyperparameter-Optimierung und Modellbewertung mittels Klassifizierungsmetriken und Kreuzvalidierung. Der Bildungsinhalt ist als eine Reihe von Notebooks strukturiert, die Python-Code mit narrativen Erklärungen verknüpfen, um Data-Science-Workflows zu dokumentieren.

Lux ist ein automatisiertes Tool zur explorativen Datenanalyse, das entwickelt wurde, um intelligente visuelle Darstellungen von pandas Dataframes zu generieren. Es identifiziert Muster und Trends, indem es optimale Diagrammtypen und Achsen-Mappings basierend auf den statistischen Attributen eines Datensatzes empfiehlt. Das Tool fungiert als interaktive Datenprofilierungsschicht, die es Benutzern ermöglicht, Sammlungen von Diagrammen mithilfe von Filtern und Platzhaltern zu durchsuchen und abzufragen. Es dient zudem als Visualisierungs-Code-Generator, der automatisch erstellte Diagramme in programmatischen Code oder HTML zur manuellen Verfeinerung in externen Bibliotheken übersetzt. Das System deckt ein breites Spektrum an explorativen Analysefunktionen ab, einschließlich automatisierter Diagramm-Kodierung, geführter Entdeckung durch Schritt-Empfehlungen und der Möglichkeit, visuelle Konfigurationen als deklarative Spezifikationen zu exportieren. Dieses Projekt integriert sich direkt in pandas, um das Standard-Dataframe-Drucken durch interaktive Visualisierungskomponenten zu überschreiben.

dtale is a web-based interactive grid and visualizer for pandas dataframes, designed as an exploratory data analysis tool. It provides a browser-based interface for analyzing tabular data structures, allowing users to calculate statistics, detect outliers, and compute correlations without writing manual code. The project functions as an embedded data viewer that can be integrated into web applications via iframes or custom routes, with specific support for Django, Flask, and Streamlit. It enables the exploration of datasets through a combination of an interactive data grid and a data visualiz

Visual Insights ist eine Plattform für automatisierte explorative Datenanalyse und ein Tool für kausale Inferenz, das entwickelt wurde, um Muster sowie Ursache-Wirkungs-Zusammenhänge in Datensätzen zu entdecken. Es fungiert als interaktive Datenvisualisierungsbibliothek, die einen Grammar-of-Graphics-Ansatz verwendet, um mehrdimensionale Diagramme und Dashboards zu generieren. Das Projekt zeichnet sich durch eine natürlichsprachliche Schnittstelle aus, die Fragen in Klartext mithilfe eines Sprachmodells in Datenantworten und Visualisierungen übersetzt. Es bietet ein spezialisiertes Framework für kausale Entdeckung und Inferenz, das es Benutzern ermöglicht, Variablenverknüpfungen durch interaktive Kausaldiagramme zu identifizieren und What-if-Analysen zur Validierung von Hypothesen durchzuführen. Die Plattform deckt ein breites Spektrum an Funktionen ab, darunter visuelle Datenbereinigung, statistische Profilerstellung und automatisierte Datensatztransformation. Sie unterstützt die Integration verschiedener Daten aus lokalen Dateien und Remote-Datenbanken und verfügt über eine leistungsstarke Verarbeitungs-Engine für die lokale Handhabung großer Datensätze. Zusätzlich ermöglicht das System die Einbettung interaktiver Analysekomponenten in Webanwendungen und Notebooks.

missingno ist eine Python-Bibliothek zur Visualisierung und Analyse von Mustern fehlender Daten. Sie bietet eine Reihe von Tools, um die Vollständigkeit von Datensätzen zu profilieren, Datenlücken abzubilden und das Volumen von Null-Werten über Variablen hinweg zu quantifizieren. Die Bibliothek zeichnet sich durch einen Nullity-Korrelations-Analyzer und ein hierarchisches Daten-Clustering-Tool aus. Diese Komponenten ermöglichen die Erkennung systemischer Abhängigkeiten und Trends, indem gemessen wird, wie das Fehlen einer Variable mit dem Fehlen einer anderen zusammenhängt. Das Toolset deckt breitere Funktionen für Data-Quality-Auditing und explorative Analysen ab. Es enthält Features zur Zusammenfassung der Spalten-Nullität mittels linearer und logarithmischer Skalen sowie matrixbasierte Mappings zur Identifizierung systemischer Lücken in Datensätzen.

XlsxWriter is a library for generating spreadsheets in the XLSX format, functioning as an Excel workbook writer and file generator. It provides the capability to write data, apply cell formatting, and build complex layouts across multiple worksheets. The project distinguishes itself with a memory-optimized writing mode that flushes large datasets to disk row-by-row, enabling the creation of files exceeding 4 GB while minimizing RAM consumption. It also includes a specialized mechanism for embedding binary project files and digital signatures to enable VBA macros and signed scripts within work