数据分析 > 数据清洗与预处理工具

Jupyter 是开源交互式计算笔记本，单元格中混合代码、结果与文档，是数据清洗探索与可复现分析的标准环境。

Google Colab 是免费的云端 Jupyter 笔记本服务，无需配置环境即可进行数据清洗与分析，并提供免费 GPU 资源。

Dask 是 Python 的并行计算框架，让 Pandas 式数据清洗代码平滑扩展到多核与集群环境，突破单机内存限制。

Polars 是基于 Rust 与 Arrow 的超高性能 DataFrame 库，以多线程与查询优化实现数倍于传统方案的数据清洗速度。

Great Expectations 是开源数据质量框架，用「期望」声明式校验数据，自动生成验证报告与数据文档。

Soda 是数据质量监控平台，以简洁的 SodaCL 语言定义检查规则，在管道中持续发现并拦截数据问题。

Apache SeaTunnel 是国产开源超高性能分布式数据集成平台，支持批流一体，提供上百种连接器完成数据同步清洗。

DataX 是阿里巴巴开源的离线数据同步工具，以插件化架构实现各类异构数据源之间高效稳定的数据传输。

Apache Sqoop 是经典的关系数据库与 Hadoop 之间批量数据传输工具，广泛用于传统数仓的导入导出作业。

开源数据清洗工具，支持去重、格式标准化、缺失值处理，适配专业数据预处理场景