Awesome GitHub RepositoriesDataFrame Integration

Perspective is a columnar data analytics engine and high-performance visualization component powered by WebAssembly. It provides a system for analyzing and visualizing large or streaming datasets through interactive data grids and charts, utilizing a compiled binary to achieve near-native performance within the browser. The project distinguishes itself through a WebSocket-based data streaming interface and deep Apache Arrow integration, which minimize memory overhead when synchronizing tables between servers and clients. It acts as a remote query proxy capable of translating visualization con

FastUI is a server-driven UI system and Pydantic UI framework that transforms backend data models into functional web interfaces. It operates as a model-based frontend generator where the server controls the layout and behavior of the user interface through structured data schemas, enabling a low-code approach to web development. The project allows for the definition of visual hierarchies and component properties on the backend, using a JSON-based protocol to communicate UI structure between the server and client. It utilizes schema-driven generation to automate the creation of interfaces, in

Jeesite is a full-stack low-code development framework designed for building enterprise administrative portals using Spring Boot, MyBatis, and Vue. It functions as a comprehensive platform for creating administrative dashboards with integrated role-based access control and organizational data permission systems. The framework distinguishes itself through a combination of automated CRUD code generation and an integrated RAG platform that connects large language models to enterprise data via vector stores. It further incorporates a BPMN-based workflow engine to automate complex business process

Mesop is a stateful, declarative Python web UI framework and component library designed for building interactive web applications and AI demos. It allows for the construction of data-driven interfaces and chat systems using only Python, removing the need to write separate HTML or CSS. The framework is specifically tailored for AI application development, offering dedicated tools for conversational UI design and the creation of dashboards for large language model applications. It distinguishes itself with a visual UI editor for real-time property adjustments and the ability to embed custom Jav

Pinot is a distributed, columnar analytical database designed for high-concurrency, low-latency query processing. It functions as a real-time OLAP datastore, enabling interactive, user-facing analytics by ingesting and querying massive datasets from both streaming and batch sources. The system architecture relies on a centralized controller for cluster coordination and a distributed segment-based storage model to ensure horizontal scalability. The platform distinguishes itself through a hybrid ingestion pipeline that unifies real-time event streams and historical batch data into a single quer

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

This is a pandas-based technical analysis library and financial feature engineering tool. It serves as a vectorized indicator calculator that transforms raw price and volume data into derived metrics for time series analysis. The library uses a NumPy-based engine to perform mathematical operations across entire arrays, avoiding iterative loops to maintain high performance. It organizes technical indicators into a modular class hierarchy with a consistent interface, allowing for bulk feature generation and the direct appending of results as new columns to a pandas DataFrame. The system covers

Mimesis ist ein Python-Generator für synthetische Daten, der zur Erstellung realistischer Testdatensätze und Mock-Daten für die Softwareentwicklung verwendet wird. Er fungiert als schema-basierter Datengenerator, der strukturierte Datensätze und relationale Daten erzeugen kann, und dient zudem als Anonymisierungstool für Produktionsdaten, um sensible Informationen durch synthetische Werte zu ersetzen. Die Bibliothek zeichnet sich durch umfassende Unterstützung für mehrere Sprachen aus, was die Generierung lokalisierter Informationen zur Simulation regionaler Benutzerprofile ermöglicht. Sie stellt Reproduzierbarkeit durch deterministische Datengenerierung mittels Seeds sicher, was konsistente Datensätze über verschiedene Durchläufe hinweg erlaubt. Das Tool deckt eine breite Palette an synthetischen Inhalten ab, darunter persönliche Identitäten, Finanzdaten, geografische Adressen, Netzwerk-Metadaten und wissenschaftliche Sequenzen. Die Funktionen erstrecken sich auf Datentransformation durch bedingte Logik und Piping sowie die Integration mit Dataframes und Factory-Mustern. Zudem unterstützt es die Generierung standardisierter Systemcodes, kryptografischer Token und das Mocking von Binärdateien. Das Framework ist über benutzerdefinierte Datenanbieter und Field-Handler erweiterbar, wodurch Benutzer domänenspezifische Logik und externe JSON-Dateien für spezialisierte Datengenerierung integrieren können.

statsforecast ist eine statistische Hochleistungs-Bibliothek für Zeitreihenprognosen, die darauf ausgelegt ist, Punktprognosen und Vorhersageintervalle zu generieren. Sie fungiert als verteiltes Zeitreihen-Framework, das eine C-basierte Prognose-Engine und einen automatisierten Modellselektor nutzt, um das optimale statistische Modell für jede einzigartige Serie in einem Datensatz zu identifizieren und anzupassen. Das System enthält zudem einen Zeitreihen-Anomaliedetektor, um ungewöhnliche Datenpunkte durch den Vergleich beobachteter Werte mit probabilistischen Prognoseintervallen zu identifizieren. Das Projekt zeichnet sich durch seine Fähigkeit aus, massiv parallele Prognosen für Millionen individueller Serien zu verarbeiten. Dies erreicht es durch ein verteiltes Computing-Framework, Multi-Core-Parallel-Ausführung und kompilierte C-Kernels, die die Kernlogik von ARIMA und exponentieller Glättung beschleunigen. Das System optimiert die großskalige Verarbeitung weiter unter Verwendung eines Long-Format-Datenlayouts und einer Lazy-Evaluation-Datenpipeline, um den Speicher-Overhead zu reduzieren. Die Bibliothek bietet eine umfassende Suite von Modellen, einschließlich AutoARIMA, verschiedenen Methoden der exponentiellen Glättung für intermittierende oder saisonale Nachfrage, Theta-Dekomposition und GARCH-Volatilitätsmodellierung für finanzielles Risiko. Sie deckt breitere Funktionsbereiche ab, wie multivariate Prognosen mit exogenen Variablen, Zeitreihen-Dekomposition und Modellevaluierung mittels historischer Kreuzvalidierung und Sliding-Window-Analyse. Die Bibliothek integriert sich mit Hochleistungs-Datenstrukturen wie Polars und bietet Dienstprogramme, um gespeicherte Modelle als REST-Endpunkte für netzwerkzugängliche Vorhersagen bereitzustellen.

Plotnine ist eine Datenvisualisierungsbibliothek für Python, die auf der Grammar of Graphics basiert. Sie dient als deklaratives statistisches Plotting-Framework und Multi-Panel-Plotting-Engine, die es Benutzern ermöglicht, komplexe Diagramme durch das Mapping von Datenvariablen auf visuelle Eigenschaften wie Position, Farbe und Größe zu erstellen. Das Projekt zeichnet sich durch sein schichtbasiertes Kompositionsmodell und eine statistische Transformations-Engine aus, die Aggregationen und Berechnungen vor dem Rendern der Visualisierungen durchführt. Es verfügt über ein umfassendes System für Multi-Panel-Faceting, das die Aufteilung einer einzelnen Visualisierung in ein Raster von Sub-Plots basierend auf kategorialen Variablen ermöglicht. Die Bibliothek deckt ein breites Spektrum an Funktionen ab, einschließlich diverser geometrischer Repräsentationen für Verteilungs-, Flächen- und Streudiagramme sowie Geodaten-Visualisierung für das Rendern geografischer Grenzen. Sie bietet umfangreiche Tools für Skalen-Mapping, Koordinatenprojektionen und themenbasiertes Styling, um datengetriebene Elemente von nicht-datenbezogenen ästhetischen Eigenschaften zu trennen. Das Framework nutzt ein Matplotlib-Backend für das Rendering und integriert sich über Piping-Operationen mit tabellarischen Dataframes.

aws-sdk-pandas ist eine Python-Bibliothek, die Pandas-Dataframes mit AWS-Diensten integriert und als Cloud-Daten-ETL-Tool und Data-Lake-Connector fungiert. Sie bietet eine einheitliche Schnittstelle, um Daten zwischen In-Memory-Dataframes und Cloud-Speicher, Datenbanken und Data-Warehouses zu bewegen und zu transformieren. Das Projekt zeichnet sich als verteilter Compute-Orchestrator aus, der Pandas-basierte Workloads an EMR-Cluster und serverlose Verarbeitungsumgebungen übermitteln kann. Es spezialisiert sich zudem auf die Koordination verteilter Datenverarbeitung via Ray-Cluster-Initialisierung, um Datensätze zu verarbeiten, die den Speicher einer einzelnen Maschine überschreiten. Die Bibliothek deckt ein breites Spektrum an Funktionen ab, einschließlich Object-Storage-Management für S3, SQL-Abfrageausführung für Athena und Redshift sowie Integration mit NoSQL-, Graph- und Zeitreihendatenbanken. Sie enthält zudem Utilities für Metadaten-Management durch den Glue-Katalog, OpenSearch-Datenindexierung und die Verwaltung von Business-Intelligence-Assets in QuickSight. Zusätzliche Funktionen umfassen das Abrufen von Secrets, die Analyse von CloudWatch-Logs und die Verwaltung von Datenqualitätsregeln.

dcat-admin ist ein Laravel-Admin-Panel-Framework, das verwendet wird, um datengesteuerte Administrationsschnittstellen schnell zu erstellen. Es fungiert als CRUD-Generator und Backend-Scaffolding-Tool, das automatisch Schnittstellen zum Erstellen, Lesen, Aktualisieren und Löschen basierend auf Datenbanktabellenschemata produziert. Das System zeichnet sich durch eine plugin-basierte Erweiterungsarchitektur und die Möglichkeit aus, mehrere unabhängige administrative Instanzen innerhalb einer einzigen Installation auszuführen. Es bietet spezialisierte Tools für das Mapping externer APIs auf Formulare und Tabellen sowie einen ereignisgesteuerten Formular-Lebenszyklus für die Ausführung benutzerdefinierter Logik während der Auflösung und Übermittlung. Das Framework deckt ein breites Spektrum an Funktionsbereichen ab, einschließlich rollenbasierter Zugriffskontrolle für die Verwaltung hierarchischer Berechtigungen, einer umfassenden Suite von Datenverwaltungs-Grids mit Inline-Bearbeitung und mehrstufigen Formular-Workflows. Es enthält zudem Datenvisualisierungstools für operative Dashboards und eine Vielzahl von Content-Handling-Utilities für stückweise große Datei-Uploads und Rich-Text-Bearbeitung. Kommandozeilen-Utilities werden bereitgestellt, um die Generierung administrativer Komponenten und Action-Klassen zu automatisieren.

Kùzu is an embedded property graph database engine designed for high-performance analytical queries and local data management. It operates as a library within the host application process, utilizing a columnar-based storage architecture and just-in-time query compilation to execute complex graph traversals and pattern matching efficiently. By mapping database files directly into system memory, it ensures data durability and high-speed access while maintaining ACID-compliant transactional integrity. The engine distinguishes itself by integrating vector similarity search and full-text search di

async-graphql is a type-safe framework for building specification-compliant GraphQL servers in Rust. It uses procedural macros to automatically generate schemas from native language structures, ensuring consistency between the data model and the API specification. The project provides native support for Apollo Federation v2, allowing entities and fields to be shared and resolved across multiple distributed subgraphs. It also implements real-time data streaming via WebSocket subscriptions and asynchronous event streams. The framework includes a wide array of capabilities for schema design, su

Vizro is a low-code Python framework for building production-ready data visualization applications. It functions as a UI orchestrator that allows users to define multi-page analytical dashboards through structured configurations in Python, YAML, or JSON, reducing the need for extensive frontend engineering. The project distinguishes itself through generative AI integration, utilizing a model context protocol server to translate natural language descriptions into validated dashboard configurations, charts, and layouts. It also features a decoupled data cataloging system that separates data sou

This project is a Python library that wraps official NBA endpoints to retrieve player, team, and game statistics as structured data. It serves as a programmatic interface for fetching professional basketball league records and real-time scoreboards via HTTP requests. The library integrates with Pandas to transform raw JSON responses from sports servers into DataFrames for statistical analysis and data science. It functions as a data retrieval utility for tracking league-wide performance trends and scouting professional basketball players. The tool covers a broad range of capabilities includi

This is a structured deep learning curriculum for programmers, delivered as a collection of Jupyter notebooks. It teaches the fundamentals of training neural networks for computer vision, natural language processing, tabular data analysis, and collaborative filtering using PyTorch and the fastai library. The course is designed to be hands-on, guiding learners from building a training loop from scratch to fine-tuning pretrained models for a variety of practical tasks. The curriculum distinguishes itself by covering the full lifecycle of a deep learning project, from data preparation and augmen

This project is a collection of accessible, reusable interface components built for the Svelte framework. It functions as a comprehensive design system implementation, providing a standardized toolkit for constructing responsive and inclusive user interfaces that adhere to established design language and accessibility guidelines. The library distinguishes itself through a deep integration with the Svelte framework, utilizing compiler-based transformations to optimize component rendering and reactive state synchronization. It features a robust theme management system that applies visual styles

React Base Table ist eine Bibliothek wiederverwendbarer Interface-Komponenten für den Aufbau komplexer, responsiver Datengitter innerhalb von Webanwendungen. Sie bietet ein leistungsstarkes Fundament für das Rendern großer Datensätze durch die Nutzung fensterbasierter Zeilen-Virtualisierung, die sicherstellt, dass die Benutzeroberfläche auch bei der Anzeige umfangreicher Datensammlungen reaktionsfähig bleibt. Die Bibliothek zeichnet sich durch flexible Layout- und Navigationsfunktionen aus, einschließlich der Unterstützung hierarchischer Datenstrukturen, die als erweiterbare Baumzeilen gerendert werden können. Sie ermöglicht eine präzise Kontrolle über die Tabellengeometrie durch proportionale Spaltengrößenanpassung und automatisches Container-Tracking, während Benutzer gleichzeitig spezifische Spalten an den Viewport-Rändern fixieren können, um die Sichtbarkeit während des horizontalen Scrollens zu erhalten. Entwickler können hochgradig maßgeschneiderte Datenanzeigen erstellen, indem sie benutzerdefinierte Komponenten direkt in Tabellenzellen injizieren und Styling-Overrides anwenden, um spezifische Designanforderungen zu erfüllen. Das System passt sich automatisch an Änderungen der Größe des übergeordneten Containers an und stellt sicher, dass das Tabellenlayout über verschiedene Bildschirmdimensionen und Interface-Konfigurationen hinweg konsistent bleibt.