Awesome GitHub RepositoriesExploratory Data Analysis

This project is a collection of interactive Python notebooks and educational resources designed for mastering data science, machine learning, and numerical computing. It provides a series of practical guides and tutorials covering deep learning, big data processing, and statistical analysis. The repository features specialized instructional suites for implementing classical machine learning algorithms, building deep learning model architectures, and managing AWS cloud infrastructure. It includes dedicated notebooks for data visualization and numerical computing exercises. The project covers

VisiData is a terminal-based interactive data analysis tool and browser designed for exploring, filtering, and sorting large tabular datasets. It functions as a structured data inspector that loads and flattens complex formats like JSON, XML, and PCAP into interactive sheets, as well as a terminal file manager for navigating directories and performing staged filesystem operations. The project distinguishes itself by rendering data visualizations, such as scatter plots and histograms, directly in the terminal using Unicode Braille characters. It provides a Python-based data wrangling environme

Dieses Projekt ist ein pandas-Datenanalyse-Kochbuch und ein Python-Data-Science-Leitfaden. Es bietet eine Sammlung programmatischer Rezepte und Beispiele für das Bereinigen, Manipulieren und Analysieren strukturierter Daten. Das Projekt konzentriert sich auf die Bereitstellung einer containerisierten Analyseumgebung, um einen konsistenten Arbeitsbereich und reproduzierbare Abhängigkeiten bei der Ausführung von Datenverarbeitungsskripten zu gewährleisten. Es deckt ein breites Spektrum an Data-Science-Fähigkeiten ab, einschließlich Datenaufnahme aus externen Quellen, Rohdatenbereinigung und explorativer Datenanalyse. Diese Rezepte demonstrieren, wie strukturierte Datenanalyse durch Techniken wie Filtern, Aggregieren gruppierter Daten und die Verarbeitung von Textdaten durchgeführt wird.

ggplot2 is a data visualization library for R based on a formal grammar of graphics. It provides a declarative plotting framework that allows users to create complex graphics by combining geometric objects, statistical summaries, and coordinate systems. The system is distinguished by a layered approach to composition, where visualizations are built incrementally by stacking independent geometric, statistical, and coordinate layers. It utilizes a hierarchical styling engine to manage non-data elements such as backgrounds, fonts, and margins, and includes a multi-panel faceting tool for splitti

ggplot2 is an R data visualization library and statistical graphics engine. It implements a grammar of graphics that functions as a declarative plotting framework, allowing users to specify what a plot should contain rather than how to draw it. The system builds visualizations by mapping data variables to visual aesthetics through a structured set of layering rules. This approach enables the composition of complex graphics by stacking independent components, such as geometric objects and scales, on top of a shared coordinate system. The framework supports scientific plotting and exploratory

Dieses Projekt ist eine Python-Bibliothek für Datenanalyse und ein Framework für explorative Datenanalyse, das für die Verarbeitung von Rohdatensätzen konzipiert ist. Es bietet eine Suite von Tools zur Untersuchung von Daten, zur Identifizierung von Anomalien und zur Anwendung statistischer Methoden, um Muster aufzudecken. Das Repository fungiert als Machine-Learning-Modellierungs-Toolkit und statistische Datenmodellierungssuite. Es enthält prädiktive Algorithmen und mathematische Modelle, die verwendet werden, um Beziehungen zwischen Datenvariablen zu analysieren und Erkenntnisse aus komplexen Datensätzen abzuleiten. Das Projekt deckt ein breites Spektrum an Funktionen ab, einschließlich Data Science, Machine-Learning-Modellierung und explorativer Datenanalyse. Diese werden durch Datenmanipulation, numerische Berechnung und Datenvisualisierung implementiert.

Dies ist eine Visualisierungsbibliothek basierend auf der Grammar of Graphics, die verwendet wird, um Diagramme durch die Abbildung tabellarischer Daten auf visuelle Markierungen zu erstellen. Sie fungiert als SVG-Datenvisualisierungstool und API für explorative Datenanalyse, mit der Benutzer komplexe Visualisierungen und geografische Karten rendern können. Die Bibliothek verfügt über einen GeoJSON-Karten-Renderer, der sphärische Koordinaten in einen zweidimensionalen Pixelraum projiziert, sowie ein Apache-Arrow-Visualisierungsinterface für hocheffiziente Datenverarbeitung. Der Funktionsumfang umfasst Datentransformation durch Binning und Gruppierung, visuelle Kodierung durch automatische Skaleninferenz und Anwendung von Farbschemata sowie die Generierung von Small Multiples. Sie unterstützt das Rendern geometrischer Formen in geschichteten Ansichten und den Export statischer Bilder in serverseitigen Umgebungen.

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

r4ds ist ein Data-Science-Lehrplan und eine Bildungsressource, die für die Beherrschung der Programmiersprache R entwickelt wurde. Es bietet einen strukturierten Lernpfad für den End-to-End-Prozess des Importierens, Bereinigens, Transformierens und Visualisierens von Daten. Das Projekt betont einen Leitfaden für reproduzierbare Data Science und einen umfassenden Lehrplan für Data Wrangling. Es enthält spezialisierte Tutorials zur Grammatik der Grafik für geschichtete Datenvisualisierung sowie technische Publikationen, die mit Quarto erstellt wurden und ausführbaren Code mit erzählendem Text verbinden. Das Material deckt ein breites Spektrum analytischer Funktionen ab, einschließlich Datenaufnahme aus diversen Quellen, relationalem Daten-Joining und der Verwaltung kategorialer Variablen. Es behandelt zudem Datenbereinigung, mathematische Modellierung und die Erstellung professioneller Berichte und Präsentationen in verschiedenen Formaten. Der Lehrplan konzentriert sich auf die praktische Anwendung funktionaler Programmierung und Tidy-Data-Prinzipien, um transparente und wiederholbare Analysen zu erstellen.

Danfo.js ist eine Bibliothek für Datenanalyse und Vorverarbeitung für JavaScript, die leistungsstarke gelabelte Datenstrukturen bereitstellt. Sie implementiert Dataframes und Series, um komplexe Datenanalysen, statistische Berechnungen und die Manipulation strukturierter tabellarischer Daten zu ermöglichen. Das Projekt dient als Bibliothek für die Vorverarbeitung beim maschinellen Lernen und bietet Dienstprogramme für kategoriales Label-Encoding, One-Hot-Encoding sowie die Skalierung und Standardisierung numerischer Features. Es erleichtert insbesondere die Konvertierung gelabelter Datenstrukturen in Tensoren für das Modelltraining und die Evaluierung. Die Bibliothek deckt eine breite Palette an Funktionen ab, einschließlich deskriptiver Statistik, relationaler Operationen wie Merging und Joining sowie Zeitreihenverarbeitung. Sie enthält Tools für die Datenbereinigung, Filterung und Gruppierung sowie eine Visualisierungsschnittstelle zur Erstellung interaktiver Diagramme und Plots direkt aus Dataframes. Das System unterstützt den Import und Export von Daten über CSV-, JSON- und Excel-Formate.

This is an interactive notebook-based course that teaches machine learning from Python fundamentals through deep learning and natural language processing. It uses real datasets and multiple frameworks within a structured, hands-on curriculum that combines concise explanations with executable code cells, built-in datasets, and embedded exercise checkpoints. Learning progresses through data preparation and exploration, classical machine learning workflows, computer vision with convolutional neural networks, and natural language processing with deep learning, all delivered as a cohesive progressi

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.

mcp-context-forge is a Model Context Protocol federation gateway that unifies diverse AI tool servers and APIs into a single consistent interface for discovery and execution. It acts as a centralized proxy that aggregates multiple servers and APIs, allowing AI agents to access and invoke a unified set of tools, prompts, and resources. The project distinguishes itself through a multi-protocol translation bridge that converts communication between standard I/O, SSE, gRPC, and REST to enable interoperability between disparate tool servers. It includes a comprehensive LLM evaluation framework for