Awesome GitHub RepositoriesNotebook Formatters

Black is a deterministic Python code formatter and style guide enforcer. It automatically reformats source code and Jupyter notebook cells into a consistent style to eliminate manual debates over code layout and reduce noise in version control diffs. The tool uses abstract syntax tree analysis to restructure code layout while ensuring that the underlying functional logic remains unchanged. It employs a deterministic engine that produces a single consistent output for any given input, removing subjective styling choices. The system provides capabilities for in-place file mutation, automated s

Dieses Projekt ist ein kompromissloser, deterministischer Code-Formatter für Python. Er funktioniert, indem er Quellcode in einen abstrakten Syntaxbaum parst und ihn gemäß einer starren, meinungsstarken Menge von Stilregeln neu generiert. Durch die Automatisierung des Formatierungsprozesses werden manuelle Stildiskussionen und Konfigurationsaufwand eliminiert, wodurch sichergestellt wird, dass der Code über ganze Projekte hinweg konsistent bleibt, unabhängig von der ursprünglichen Eingabe. Das Tool zeichnet sich durch seinen Fokus auf Geschwindigkeit und nahtlose Integration in Entwicklungsworkflows aus. Es nutzt inhaltsbasiertes Datei-Caching und parallele Verarbeitung, um eine hohe Leistung bei großen Codebasen aufrechtzuerhalten, während es gleichzeitig Versionskontroll-Hooks unterstützt, um die Stil-Konsistenz vor dem Commit sicherzustellen. Um die Projekthistorie zu bewahren, bietet es Mechanismen, um spezifische Commits in der Versionskontroll-Blame-Verfolgung zu ignorieren, wodurch sichergestellt wird, dass automatisierte Stiländerungen die ursprüngliche Autorenschaft nicht verdecken. Über Standard-Quelldateien hinaus erweitert der Formatter seine Fähigkeiten auf Jupyter-Notebooks, Typ-Stubs und eingebettete Codebeispiele innerhalb der Dokumentation. Er bietet breite Kompatibilität durch Plugins für gängige Texteditoren und integrierte Entwicklungsumgebungen sowie Unterstützung für das Language Server Protocol. Die Konfiguration wird über projektweite Dateien verwaltet, die automatisch innerhalb der Verzeichnishierarchie entdeckt werden, was ein konsistentes Verhalten über verschiedene Entwicklungsumgebungen hinweg ermöglicht.

Marimo is a reactive Python notebook environment and data science integrated development environment. It functions as a scripting tool that maintains state consistency by automatically tracking variable dependencies and re-executing downstream code blocks whenever upstream inputs are modified. The platform distinguishes itself by storing notebooks as standard, portable Python scripts rather than proprietary formats, ensuring compatibility with version control systems. It integrates artificial intelligence to assist with code generation and debugging based on the current execution context, whi

This project is a research-oriented repository that serves as a centralized database for system-level prompts and internal behavioral instructions extracted from various large language models. Its primary purpose is to provide a transparent, accessible reference for researchers and developers to study how artificial intelligence models are configured, constrained, and governed. The repository distinguishes itself by cataloging the hidden directives and operational guidelines that define model personas and safety boundaries. By archiving these instruction sets, it enables comparative analysis

Jupytext is a synchronization tool and text converter for Jupyter Notebooks. It transforms notebook files into plain text formats, such as Markdown or Python scripts, to enable line-by-line diffs and peer reviews within version control systems. The tool pairs notebook files with corresponding text files to maintain a dual representation of the same content. It uses bidirectional synchronization to update linked files based on the most recent modifications, allowing notebook content to be edited inside standard text editors. Beyond file conversion and synchronization, the project provides cap

Pluto.jl ist eine reaktive Computing-Umgebung für Julia, die als programmierbares Dokumentenformat fungiert. Sie dient als interaktive Data-Science-IDE und polyglottes Computational Notebook, das Julia-Code und Umgebungsabhängigkeiten als versionierbare Quelldateien speichert. Das System zeichnet sich durch sein reaktives Ausführungsmodell aus, das einen gerichteten azyklischen Graphen verwendet, um Variablenabhängigkeiten zu verfolgen und betroffene nachgelagerte Zellen automatisch neu zu berechnen, wenn sich ein Wert ändert. Es stellt Reproduzierbarkeit sicher, indem isolierte Paketumgebungen direkt in die Notebook-Datei integriert werden und Inhalte als reine ausführbare Quelldateien gespeichert werden. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich interaktiver Datenvisualisierung, der Erstellung geführter Bildungsaufgaben und der Generierung statischer Dokumentations-Websites. Sie unterstützt diverse Ausgabemodi wie Slideshow-Präsentationen und Webanwendungen und bietet Tools zum Exportieren von Notebooks in HTML, PDF und reproduzierbarkeitsfokussierte Skripte. Die Umgebung kann über ein Web-Interface auf localhost gestartet oder über Remote-Server und Cloud-Compute-Hosting aufgerufen werden.

Dieses Projekt ist ein umfassendes Framework für Literate Programming, das es Entwicklern ermöglicht, produktionsreife Python-Bibliotheken vollständig innerhalb von Jupyter Notebooks zu erstellen. Indem Notebooks als primäre Quelle der Wahrheit behandelt werden, integriert es Code, Dokumentation und Tests in eine einheitliche Entwicklungspipeline, die direkt in Standard-Python-Module exportiert wird. Das Framework zeichnet sich durch spezialisierte Tools aus, die darauf ausgelegt sind, die inhärenten Herausforderungen bei der Verwendung von Notebooks in der professionellen Softwareentwicklung zu überwinden. Es enthält benutzerdefinierte Git-Hooks und Merge-Driver, die volatile Notebook-Metadaten bereinigen, wodurch verrauschte Diffs effektiv eliminiert und Merge-Konflikte gelöst werden. Darüber hinaus nutzt es zellbasierte Direktiven, um Code-Sichtbarkeit, Tests und Dokumentationsgenerierung zu steuern, was es Entwicklern ermöglicht, sauberen, modularen Quellcode zu pflegen, während sie in einer interaktiven Umgebung arbeiten. Über seinen Kern-Entwicklungs-Workflow hinaus bietet das Projekt eine robuste Suite von Automatisierungstools für den gesamten Software-Lebenszyklus. Dies umfasst eine Static-Site-Engine zum Rendern von Dokumentationen in Publikationsqualität mit Unterstützung für mathematische Gleichungen und Symbol-Querverweise sowie Utilities zur Verwaltung von Projekt-Abhängigkeiten, Versionierung und automatisierten Tests. Es unterstützt zudem Continuous-Integration-Workflows zur Bereitstellung von Dokumentationen und zur Veröffentlichung von Paketen in Standard-Registries. Das Projekt bietet einen standardisierten Bootstrapping-Prozess, um neue Repositories mit vorkonfigurierten Pipelines für Tests, Dokumentation und Versionskontrolle zu initialisieren.