Awesome GitHub RepositoriesFiltering Joins

r4ds 是一个数据科学课程和教育资源，专为精通 R 编程语言而设计。它为导入、整理、转换和可视化数据的端到端过程提供了结构化的学习路径。 该项目强调可重复的数据科学指南和全面的数据整理课程。它包括关于用于分层数据可视化的图形语法（grammar of graphics）的专业教程，以及使用 Quarto 创建的融合可执行代码与叙述性文本的技术出版物。 该材料涵盖了广泛的分析能力，包括来自不同来源的数据摄取、关系数据连接以及分类变量的管理。它还涉及数据清洗、数学建模以及多格式专业报告和演示文稿的生成。 该课程侧重于函数式编程和整洁数据（tidy data）原则的实际应用，以创建透明且可重复的分析。

Velox 是一个高性能 C++ 查询执行引擎和列式数据处理库。它作为一个用于实现分析型查询引擎的可组合框架，提供了向量化表达式评估器和数据管理系统工具包。 该项目以使用向量化列式执行和基于 Arena 的内存分配来处理大规模数据集而著称。它具有专门的优化功能，如广播连接表缓存、动态过滤器下推和字典编码，以减少内存开销并加速分析读取。 该引擎涵盖了广泛的分析能力，包括实现哈希连接、合并连接和半连接，以及多阶段并行聚合和窗口函数计算。它提供了用于列式内存存储、Parquet 数据解码以及与云存储集成的原语。 通过用于自定义标量和聚合函数的函数注册系统提供可扩展性，并提供高级绑定以将 C++ 逻辑连接到 Python。