Awesome GitHub RepositoriesVega-Lite Specifications

Altair is a declarative data visualization library for Python that generates Vega-Lite specifications. It functions as a tool for mapping data to graphical marks using a high-level syntax, allowing users to describe the desired visual outcome instead of writing imperative drawing commands. The framework enables the creation of interactive charts and graphics, including linked views and filtered displays that respond to user input in real time. It supports the design of multi-view dashboards by combining visualizations into layered or faceted layouts. The library provides capabilities for sta

Smile is a comprehensive JVM machine learning library and statistical computing toolkit. It provides a suite of algorithms for classification, regression, and clustering, implemented natively for Java, Scala, and Kotlin. The project also functions as a deep learning framework, a natural language processing library, and an inference engine for large language models. The library distinguishes itself through GPU acceleration via LibTorch bindings and support for the ONNX model interchange format. It includes specialized capabilities for large language model inference, featuring Byte-Pair Encodin

Livebook is an interactive notebook platform for Elixir that provides a web-based environment for writing and running code cells alongside Markdown content, visualizations, and reproducible workflows. It serves as a multi-cloud auto-clustering tool that automatically discovers and joins Elixir nodes into clusters across Kubernetes, AWS ECS, and Fly.io for distributed execution, and also functions as a notebook deployment tool that packages notebooks into standalone web applications with authentication, secrets, and Docker support. The platform enables real-time collaborative editing, synchron

Lux est un outil d'analyse exploratoire de données automatisé conçu pour générer des représentations visuelles intelligentes de dataframes pandas. Il identifie les modèles et les tendances en recommandant les types de graphiques et les mappings d'axes optimaux basés sur les attributs statistiques d'un jeu de données. L'outil fonctionne comme une couche de profilage de données interactive qui permet aux utilisateurs de parcourir et d'interroger des collections de graphiques en utilisant des filtres et des wildcards. Il sert également de générateur de code de visualisation, traduisant les graphiques produits automatiquement en code programmatique ou en HTML pour un affinement manuel dans des bibliothèques externes. Le système couvre un large éventail de capacités d'analyse exploratoire, notamment l'encodage automatique de graphiques, la découverte guidée via des recommandations d'étapes, et la capacité d'exporter des configurations visuelles sous forme de spécifications déclaratives. Ce projet s'intègre directement dans pandas pour remplacer l'affichage par défaut des dataframes par des composants de visualisation interactifs.

Polynote est un environnement de notebook polyglotte et un système de documents interactifs conçu pour exécuter du code dans plusieurs langages au sein d'un même document. Il fonctionne comme un outil d'analyse de données multi-langages et un IDE pour langages JVM, permettant aux utilisateurs de combiner du code exécutable, du texte riche et des visualisations de données pour prototyper et documenter des flux de travail techniques. Le système se distingue par sa capacité à partager des données et des variables entre différents runtimes de langage, tels que Python et la JVM. Il utilise la conversion d'objets multi-langages et le wrapping de données pour transmettre des objets entre les runtimes, permettant des flux de travail de données multi-langages. De plus, il s'intègre à Apache Spark pour exécuter des tâches de traitement de données distribuées via des soumissions de cluster locales ou distantes. La plateforme fournit une suite complète de capacités pour l'analyse et la visualisation de données, incluant une table des symboles en temps réel pour la surveillance du runtime et la prise en charge du rendu des spécifications Vega. Elle gère les dépendances pour les runtimes JVM et Python en utilisant une résolution basée sur les coordonnées et offre une édition améliorée par IDE avec autocomplétion et mise en évidence des erreurs. Les fonctionnalités de gestion de documents incluent une table des matières dynamique, une recherche de contenu inter-notebook et une récupération de sauvegarde basée sur le navigateur pour éviter la perte de données due à des fichiers corrompus.