tech.ml.dataset

用 Clojure 快速处理大数据集，像 pandas 一样高效

tech.ml.dataset 是一个基于 Clojure 的高性能数据处理系统，专注于提供类似 Python pandas 的 DataFrame 功能，同时充分利用 JVM 生态。它解决了 Clojure 生态中缺乏高效、易用的结构化数据处理工具的问题，支持从 CSV、XLSX 等格式加载数据，进行列式操作、过滤、聚合、连接等常见数据清洗与转换任务，并内置了与机器学习库（如 Smile）的集成接口。其核心能力包括惰性加载、内存高效利用、并行处理以及友好的 Clojure 语法，使得数据处理流程简洁且性能优异。该项目早期已获得 757 星标，表明其受到一定关注，适合需要高性能数据处理的 Clojure 开发者。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 757
维护状态 活跃
是否开源 是
定价模式 free

项目数据

分类数据集
开发团队techascent
所属国家
官网地址
GitHubhttps://github.com/techascent/tech.ml.dataset
定价模式free
价格说明开源项目，免费使用
访问状态
是否开源是
开源协议EPL-1.0
主要语言Clojure
技术栈/模型clojure,csv,dataframe,datascience,dataset,etl-pipeline,java,machine-learning,xlsx
GitHub 星标★ 757
30天Star增速
HF 下载量
上线时间2019-02-14 00:00:00
最近更新2026-08-21 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-22
浏览次数0

核心亮点

  • 列式存储与惰性加载，内存占用低，适合处理超大数据集
  • API 设计贴近 Clojure 习惯，函数式风格，代码简洁
  • 原生支持 CSV、XLSX 等格式，并集成 Smile 机器学习库

不足之处

  • 文档和示例相对较少，新手入门门槛较高
  • 社区活跃度一般，更新频率可能不如主流数据处理框架

适用场景

  • Clojure 项目中的 ETL 数据清洗与转换
  • 需要高性能数据预处理的机器学习流水线
  • 在 JVM 环境中替代 pandas 进行数据分析

替代项目

Tablecloth、Pandas (Python)、Apache Spark (Scala)

项目介绍

tech.ml.dataset 是一个数据集领域的开源项目，官方简介：A Clojure high performance data processing system。项目使用 Clojure 开发，在 GitHub 上获得 757 星标。

上一篇：cryptoCMD

下一篇：没有了！

同类项目推荐

distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3376 2026-08-10
SynLogic 开源

大规模合成可验证推理数据，让模型逻辑更聪明

[NeurIPS 2025] The official repo of SynLogic: Synthesizing Verifiable Reasoning Data···

★ 204 2026-08-09
be_great 开源

用大模型生成以假乱真的表格数据，解决隐私和数据短缺问题。

A novel approach for synthesizing tabular data using pretrained large language model···

★ 365 2026-08-17
University1652-Baseline 开源

拿无人机图像定位全球建筑，跨视角检索基准一键跑通

ACM Multimedia2020 University-1652: A Multi-view Multi-source Benchmark for Drone-ba···

★ 673 2026-08-13