Awesome GitHub RepositoriesPivot Table Visualizations

Davinci ist eine Business-Intelligence- und Datenvisualisierungsplattform, die für den Aufbau interaktiver Dashboards und Berichte verwendet wird. Sie fungiert als SQL-basierter Dashboard-Builder und Multi-Tenant-Analytics-Dienst, der über JDBC und CSV-Dateien mit Datenbanken verbunden wird, um Rohdaten in visuelle Komponenten zu transformieren. Die Plattform zeichnet sich durch ihr granulares Sicherheitsmodell aus, das Zeilen- und Spalten-basierte Berechtigungen umfasst, die in LDAP- und OAuth2-Authentifizierung integriert sind. Sie bietet zudem ein eingebettetes Visualisierungstool, das es ermöglicht, sichere, parametrisierte Diagramme und Dashboards über URLs und Frames in externe Anwendungen einzubinden. Das System deckt ein breites Spektrum an Funktionen ab, einschließlich Datenmodellierung mit SQL-Vorlagen, einer Drag-and-Drop-Layout-Engine für responsive Dashboards und einer Vielzahl von Visualisierungstypen wie Sankey-Diagrammen, Radar-Charts und geografischen Karten. Zudem umfasst es Automatisierungen für die Planung E-Mail-basierter Berichte und nutzt Key-Value-Caching zur Optimierung der Abfrageleistung.

This project is a JSON-based form rendering framework and visual creator designed for dynamic data collection. It provides a JavaScript form builder library that transforms JSON schemas into functional web forms and multi-step wizards, with a dedicated visual survey creator for designing layouts and branching logic without writing code. The library is distinguished by its bidirectional PDF integration, which allows the conversion of JSON schemas into fillable PDF documents and the extraction of structured data from existing PDFs. It also features advanced capabilities for creating scored asse

Dieses Projekt ist eine JavaScript-Pivot-Table-Bibliothek und clientseitiger Datenprozessor. Es bietet eine interaktive Schnittstelle zum Umwandeln roher Datensätze in zusammenfassende Tabellen, Heatmaps und Diagramme, was eine browserbasierte Datenanalyse ohne Backend-Server ermöglicht. Die Bibliothek zeichnet sich durch eine Drag-and-Drop-Schnittstelle für dynamische Datenexploration und die Fähigkeit aus, neue Attribute durch Datums-Binning oder benutzerdefinierte Logik abzuleiten. Sie unterstützt flexibles Daten-Rendering durch Konvertierung analysierter Ergebnisse in HTML-Tabellen oder grafische Darstellungen unter Verwendung integrierter oder Drittanbieter-Charting-Bibliotheken. Das System deckt eine breite Palette analytischer Funktionen ab, einschließlich statistischer Datenaggregation, Multi-Format-Datenimport aus CSV und JSON sowie den Export von Ansichten in tabulatorgetrennte Werte. Es enthält zudem Zustandsmanagement für die Serialisierung von Layout-Konfigurationen und eine Lokalisierungsschicht für regionale Sprach- und Zahlenformatierung.

Dieses Projekt ist eine interaktive, webbasierte Notebook-Umgebung für verteilte Data Science und groß angelegtes Computing. Es dient als Entwicklungstool zum Ausführen von Code und zur Durchführung von Datenanalysen speziell innerhalb des Apache Spark-Frameworks und bietet ein browserbasiertes Interface, das Codeausführung mit reaktiver Datenvisualisierung kombiniert. Die Plattform zeichnet sich durch ihre tiefe Integration in verteilte Infrastrukturen aus, die es Benutzern ermöglicht, Cluster-Ressourcen zu verwalten, Laufzeitabhängigkeiten zu konfigurieren und Ausführungsprozesse für einzelne Notebooks zu isolieren. Sie unterstützt kollaborative Workflows durch die Synchronisation von Notebook-Dateien direkt mit Versionskontrollsystemen und bietet eine reaktive Rendering-Engine, die Diagramme und Widgets automatisch als Reaktion auf Live-Datenströme und Codeausführung aktualisiert. Über ihre Kern-Ausführungsfähigkeiten hinaus enthält die Umgebung umfassende Tools für Cluster-Management, Sicherheit und Erweiterbarkeit. Sie unterstützt Benutzerauthentifizierung und Identitätswechsel für den sicheren Zugriff auf verteilte Ressourcen und bietet flexible Konfigurationsoptionen für Umgebungsvorlagen, Abhängigkeitsmanagement und Performance-Tuning. Das System verfügt zudem über eine breite Bibliothek interaktiver Visualisierungskomponenten, einschließlich Geodaten-Mapping, Netzwerkgraphen und Pivot-Tabellen, um komplexe Datenexplorationen zu erleichtern.