Repolode
Предложить
r0f1

r0f1/datascience

Подборка ресурсов по Data Science на Python: библиотеки, учебные материалы, книги, датасеты и доклады.

Открыть на GitHub
Звёзды
4,682
Форки
716
Открытые issues
0
Последний коммит
4 дня назад

Что это?

Подборка ресурсов в стиле Awesome для практического освоения Data Science на Python. Ссылки сгруппированы по темам: от основных библиотек, таких как pandas, scikit-learn, matplotlib и seaborn, и инструментов для Python вроде uv, ruff и just до специализированных областей — альтернатив DataFrame, рабочих процессов в Jupyter, OCR, Big Data, статистики и визуализации.

Помимо программных пакетов, подборка содержит книги по статистике, материалы о p-value и размерах эффекта, интерактивные демонстрации статистических методов, датасеты на основе R, учебные материалы по машинному обучению и публикации в блогах о создании признаков и снижении размерности. Многие пункты снабжены короткой заметкой о назначении или пользе ресурса.

Подборка пригодится как отправная точка при поиске инструмента для конкретной задачи с данными — например, очистки неаккуратных столбцов, проверки схем, отбора признаков или создания дашбордов. Поскольку большинство пунктов ведут на внешние ресурсы, это скорее каталог для поиска, а не библиотека, которую можно установить.

Ключевые возможности

  • 01Охватывает основные библиотеки Python для работы с данными, такие как pandas, scikit-learn, matplotlib и seaborn.
  • 02Перечисляет альтернативы DataFrame, включая polars, duckdb, modin и vaex.
  • 03Содержит материалы о рабочих процессах в Jupyter, инструментах для ноутбуков и дашбордах данных.
  • 04Собирает справочные материалы по статистике: p-value, размерам эффекта и статистическим тестам.
  • 05Группирует по темам инструменты для отбора признаков, снижения размерности и проверки данных.

Сценарии использования

  • Найти библиотеку для конкретной задачи с данными, например импутации, отбора признаков или проверки схемы.
  • Изучать статистику для анализа данных по книгам, датасетам и интерактивным демонстрациям.
  • Сравнить альтернативы pandas, прежде чем выбирать инструмент для работы с DataFrame в проекте.
  • Составить список материалов для самостоятельного изучения Data Science на Python.

Темы

#data-science#python#awesome-list#machine-learning#statistics#data-analysis#data-visualization#pandas#artificial-intelligence#awesome

Частые вопросы

Что такое datascience?
Подборка ресурсов по Data Science на Python: библиотеки, учебные материалы, книги, датасеты и доклады. Подборка ресурсов в стиле Awesome для практического освоения Data Science на Python. Ссылки сгруппированы по темам: от основных библиотек, таких как pandas, scikit-learn, matplotlib и seaborn, и инструментов для Python вроде uv, ruff и just до специализированных областей — альтернатив DataFrame, рабочих процессов в Jupyter, OCR, Big Data, статистики и визуализации.
datascience можно использовать бесплатно? Какая у него лицензия?
datascience распространяется с открытым исходным кодом под лицензией CC0-1.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
datascience всё ещё поддерживается?
Активно поддерживается. Последний коммит в datascience — 17 окт. 2026 г..
Для чего можно использовать datascience?
Найти библиотеку для конкретной задачи с данными, например импутации, отбора признаков или проверки схемы. Изучать статистику для анализа данных по книгам, датасетам и интерактивным демонстрациям. Сравнить альтернативы pandas, прежде чем выбирать инструмент для работы с DataFrame в проекте. Составить список материалов для самостоятельного изучения Data Science на Python.
Где скачать datascience?
Исходный код и инструкции по установке — на GitHub: https://github.com/r0f1/datascience

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты