Awesome GitHub RepositoriesPivot Table Visualizations

Davinci est une plateforme de business intelligence et de visualisation de données utilisée pour construire des tableaux de bord et des rapports interactifs. Elle fonctionne comme un constructeur de tableaux de bord basé sur SQL et un service d'analyse multi-tenant qui se connecte aux bases de données via JDBC et des fichiers CSV pour transformer des données brutes en composants visuels. La plateforme se distingue par son modèle de sécurité granulaire, qui inclut des permissions au niveau des lignes et des colonnes intégrées avec l'authentification LDAP et OAuth2. Elle fournit également un outil de visualisation intégré qui permet d'insérer des graphiques et des tableaux de bord sécurisés et paramétrés dans des applications externes via des URL et des cadres (frames). Le système couvre un large éventail de capacités, y compris la modélisation de données avec des modèles SQL, un moteur de mise en page par glisser-déposer pour les tableaux de bord réactifs, et une grande variété de types de visualisation tels que les diagrammes de Sankey, les graphiques radar et les cartes géographiques. Elle inclut en outre l'automatisation pour la planification de rapports par e-mail et utilise la mise en cache clé-valeur pour optimiser les performances des requêtes.

Ce projet est un framework de rendu de formulaires basé sur JSON et un créateur visuel conçu pour la collecte dynamique de données. Il fournit une bibliothèque de construction de formulaires JavaScript qui transforme les schémas JSON en formulaires web fonctionnels et en assistants multi-étapes, avec un créateur de sondages visuel dédié pour concevoir des mises en page et une logique de branchement sans écrire de code. La bibliothèque se distingue par son intégration bidirectionnelle avec les PDF, permettant la conversion de schémas JSON en documents PDF remplissables et l'extraction de données structurées à partir de PDF existants. Elle propose également des fonctionnalités avancées pour créer des évaluations notées et des calculateurs qui traitent des entrées numériques pour fournir des résultats pondérés en temps réel. Le système couvre une large surface de fonctionnalités, incluant le branchement conditionnel et la validation d'entrées multi-étapes, la localisation multilingue et un rendu agnostique au framework pour React, Angular et Vue.js. Il inclut en outre des outils de visualisation des données de réponse, un théming basé sur les variables CSS et la conformité à l'accessibilité WCAG.

Ce projet est une bibliothèque de tableau croisé dynamique JavaScript et un processeur de données côté client. Il fournit une interface interactive pour transformer des jeux de données bruts en tableaux résumés, cartes thermiques et graphiques, permettant une analyse de données basée sur le navigateur sans serveur backend. La bibliothèque se distingue par une interface glisser-déposer pour l'exploration dynamique des données et la capacité de dériver de nouveaux attributs via le regroupement de dates ou une logique personnalisée. Elle prend en charge un rendu de données flexible en convertissant les résultats analysés en tableaux HTML ou en représentations graphiques en utilisant des bibliothèques de graphiques intégrées ou tierces. Le système couvre un large éventail de capacités analytiques, y compris l'agrégation de données statistiques, l'importation de données multi-formats depuis CSV et JSON, et l'exportation de vues vers des valeurs séparées par des tabulations. Il inclut également une gestion d'état pour sérialiser les configurations de mise en page et une couche de localisation pour le formatage régional des langues et des nombres.

Ce projet est un environnement de notebook interactif basé sur le web, conçu pour la science des données distribuée et le calcul à grande échelle. Il sert d'outil de développement pour exécuter du code et effectuer des analyses de données spécifiquement au sein du framework Apache Spark, fournissant une interface basée sur navigateur qui combine l'exécution de code avec la visualisation réactive des données. La plateforme se distingue par son intégration profonde avec l'infrastructure distribuée, permettant aux utilisateurs de gérer les ressources du cluster, de configurer les dépendances d'exécution et d'isoler les processus d'exécution pour les notebooks individuels. Elle prend en charge les flux de travail collaboratifs en synchronisant les fichiers de notebook directement avec les systèmes de contrôle de version et fournit un moteur de rendu réactif qui met automatiquement à jour les graphiques et les widgets en réponse aux flux de données en direct et à l'exécution du code. Au-delà de ses capacités d'exécution de base, l'environnement inclut des outils complets pour la gestion de cluster, la sécurité et l'extensibilité. Il prend en charge l'authentification et l'usurpation d'identité des utilisateurs pour un accès sécurisé aux ressources distribuées, tout en offrant des options de configuration flexibles pour les modèles d'environnement, la gestion des dépendances et l'optimisation des performances. Le système propose également une large bibliothèque de composants de visualisation interactifs, incluant la cartographie géospatiale, les graphes de réseau et les tableaux croisés dynamiques, pour faciliter l'exploration complexe des données.