1．从零开始，适合新手学习 对于只有代码入门基础的新手来说，看文档学习使用工具是十分困难的一件事。因为对代码的不理解、没有编程思维，看文档简直就像是在看天书。另外大部分的新文档都是英文版的，国内的中文文档都是翻译过来的，在翻译过程中容易产生偏差。而本书基础知识篇中，从各官方文档中直接整理出爬虫爬取需要用到的部分。没有繁杂啰唆的文字，用简单的语言告诉你学习的重点知识，让你快速上手爬虫。在实战阶段，详细介绍每一个步骤，便于理解，让你也能靠自己写出爬虫。 2．实例丰富，解决各种爬虫问题 网上很多爬虫的各种教程，大部分都是爬取豆瓣电影、招聘网站职位进行分析。本书实战项目挑选的都是网上少有人爬取的网站，让你可以学习到各式各样的爬取方式。 3．站得更高，设计自己的产品 本书除了教你如何爬取网站外，还有很多以爬虫为基础的多功能设计教程，如爬虫机器人、爬虫网站、爬虫搜索功能。让你在学会爬取技术的同时，形成产品的思维去设计自己的产品。
电子书
内容简介
《数据清洗》主要介绍数据清洗技术的基本概念与应用。全书共有8章，分别讲述了数据清洗基础、数据清洗方法、文件类型、数据采集与抽取、Excel数据清洗与转换、ETL数据清洗与转换、Python数据清洗、R语言数据清洗。 《数据清洗》将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据清洗的相关技术。针对书中重要的、核心的知识点，提供了较多的练习，帮助读者达到熟练应用的目的。 《数据清洗》可作为高职高专院校大数据技术与应用、软件技术、信息管理、计算机网络等专业的专业课教材，也可作为大数据爱好者的参考书。
章节目录
- 封面
- 书名页
- 版权页
- 前言
- 目录
- 第1章 数据清洗基础
- 1.1 数据清洗概述
- 1.1.1 数据清洗的定义
- 1.1.2 数据清洗的对象
- 1.1.3 数据清洗的原理
- 1.1.4 数据清洗的评估
- 1.1.5 数据清洗的框架模型
- 1.1.6 数据清洗研究与应用展望
- 1.1.7 数据清洗的行业发展
- 1.2 数据标准化
- 1.2.1 数据标准化简介
- 1.2.2 数据标准化方法
- 1.2.3 数据标准化的实例
- 1.3 数据清洗的常用工具
- 1.4 实训1 安装和运行Kettle
- 1.5 实训2 安装和运行OpenRefine
- 1.6 实训3 安装和运行Python 3
- 1.7 小结
- 习题1
- 第2章 数据清洗方法
- 2.1 数据质量
- 2.1.1 数据质量的定义
- 2.1.2 数据质量中的常见术语
- 2.2 数据预处理
- 2.2.1 数据预处理简介
- 2.2.2 数据预处理方法
- 2.3 数据清洗方法
- 2.3.1 数据缺失值的处理方法
- 2.3.2 噪声数据的处理方法
- 2.3.3 冗余数据的处理方法
- 2.3.4 数据格式与内容的处理方法
- 2.4 数据清洗中的统计学基础
- 2.5 实训1 找出离群点
- 2.6 实训2 找出统计对象
- 2.7 实训3 找出数据清洗的步骤
- 2.8 实训4 找出异常数据
- 2.9 小结
- 习题2
- 第3章 文件类型
- 3.1 文件格式
- 3.1.1 文件格式概述
- 3.1.2 Windows中常见的文件格式
- 3.2 数据类型与字符编码
- 3.2.1 数据类型概述
- 3.2.2 字符编码
- 3.2.3 用Python读取文件
- 3.2.4 数据转换
- 3.3 数据转换的实现
- 3.3.1 用Python生成与读取CSV文件
- 3.3.2 用Python读取与转换JSON文件
- 3.4 实训1 将XML文件转换为JSON文件
- 3.5 实训2 将JSON文件转换为CSV文件
- 3.6 小结
- 习题3
- 第4章 数据采集与抽取
- 4.1 数据采集概述
- 4.1.1 了解数据采集
- 4.1.2 日志数据采集与处理的常见方法
- 4.1.3 数据采集平台
- 4.1.4 数据采集工具
- 4.2 网页数据采集与实现
- 4.2.1 网络爬虫概述
- 4.2.2 网页数据采集的实现
- 4.3 数据抽取
- 4.3.1 数据抽取概述
- 4.3.2 文本数据抽取
- 4.3.3 网页数据抽取
- 4.4 实训1 使用Kettle抽取本地XML文件
- 4.5 实训2 使用Kettle抽取CSV数据并输出为文本文件
- 4.6 小结
- 习题4
- 第5章 Excel数据清洗与转换
- 5.1 Excel数据清洗概述
- 5.1.1 Excel简介
- 5.1.2 Excel数据清洗与转换方法
- 5.2 Excel数据清洗与转换的实现
- 5.2.1 常用数据分析函数介绍
- 5.2.2 删除重复行
- 5.2.3 文本查找和替换
- 5.2.4 数据替换
- 5.2.5 字符串截取
- 5.2.6 字母大小写转换
- 5.2.7 删除空格和非打印字符
- 5.2.8 数字和数字符号的转换
- 5.2.9 日期和时间处理
- 5.2.10 合并和拆分列
- 5.2.11 数据的转置
- 5.2.12 数据查询和引用
- 5.3 实训1 清洗简单数据
- 5.4 实训2 清洗复杂数据
- 5.5 小结
- 习题5
- 第6章 ETL数据清洗与转换
- 6.1 数据仓库与ETL
- 6.1.1 数据仓库
- 6.1.2 ETL概述
- 6.2 Kettle数据清洗与转换基础
- 6.2.1 Kettle数据清洗
- 6.2.2 Kettle数据转换
- 6.3 Kettle数据仓库高级应用
- 6.4 实训1 在Kettle中识别流的最后一行并写入日志
- 6.5 实训2 在Kettle中用正则表达式清洗数据
- 6.6 实训3 使用Kettle过滤数据表
- 6.7 实训4 使用Kettle生成随机数并相加
- 6.8 小结
- 习题6
- 第7章 Python数据清洗
- 7.1 Python数据清洗基础
- 7.1.1 Python语言基础
- 7.1.2 Python数据清洗所用库
- 7.2 数据读写、选择、整理和描述
- 7.2.1 从CSV文件读取数据
- 7.2.2 写入数据到CSV文件
- 7.2.3 数据整理和描述
- 7.3 数据分组、分割、合并和变形
- 7.3.1 数据分组
- 7.3.2 数据分割
- 7.3.3 数据合并
- 7.3.4 数据变形
- 7.4 缺失值、异常值和重复值处理
- 7.4.1 缺失值处理
- 7.4.2 异常值检测和过滤
- 7.4.3 移除重复数据
- 7.5 时间序列处理
- 7.5.1 Python的日期与时间工具
- 7.5.2 Pandas时间序列数据结构
- 7.6 字符串处理
- 7.6.1 Python字符串方法列表
- 7.6.2 Python正则表达式
- 7.6.3 Pandas的字符串方法
- 7.7 实训1 清洗企业员工信息
- 7.8 实训2 清洗在校生饮酒消费数据
- 7.9 小结
- 习题7
- 第8章 R语言数据清洗
- 8.1 R语言简介
- 8.2 R语言基础
- 8.2.1 R语言运算符号
- 8.2.2 R语言数据类型
- 8.3 R语言data.table数据包
- 8.3.1 data.table数据包介绍
- 8.3.2 创建data.table对象
- 8.3.3 data.table的语法结构
- 8.3.4 变量的重命名
- 8.3.5 创建索引
- 8.3.6 数据排序
- 8.3.7 添加/更新/删除列
- 8.3.8 GROUP_BY函数
- 8.3.9 数据的聚合
- 8.4 R语言dplyr数据包
- 8.4.1 dplyr数据包介绍
- 8.4.2 数据转换对象tibble
- 8.4.3 数据筛选对象filter
- 8.4.4 数据排序对象arrange
- 8.4.5 选择对象select与重命名对象rename
- 8.4.6 添加列对象
- 8.4.7 数据抽样对象
- 8.4.8 数据汇总对象
- 8.5 R语言tidyr数据包
- 8.5.1 tidyr对象
- 8.5.2 数据转换函数
- 8.5.3 数据合并函数
- 8.5.4 数据拆分函数
- 8.5.5 数据填充函数
- 8.6 R语言lubridate数据包
- 8.7 R语言stringr数据包
- 8.7.1 stringr包
- 8.7.2 stringr包字符串处理函数
- 8.8 实训1 应用data.table数据包进行数据清洗
- 8.9 实训2 应用dplyr数据包进行数据清洗
- 8.10 小结
- 习题8
- 参考文献
- 封底
展开全部
数据清洗是2020年由机械工业出版社出版,作者黄源 涂旭东 罗少甫 编著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《数据清洗》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
1．从零开始，适合新手学习 对于只有代码入门基础的新手来说，看文档学习使用工具是十分困难的一件事。因为对代码的不理解、没有编程思维，看文档简直就像是在看天书。另外大部分的新文档都是英文版的，国内的中文文档都是翻译过来的，在翻译过程中容易产生偏差。而本书基础知识篇中，从各官方文档中直接整理出爬虫爬取需要用到的部分。没有繁杂啰唆的文字，用简单的语言告诉你学习的重点知识，让你快速上手爬虫。在实战阶段，详细介绍每一个步骤，便于理解，让你也能靠自己写出爬虫。 2．实例丰富，解决各种爬虫问题 网上很多爬虫的各种教程，大部分都是爬取豆瓣电影、招聘网站职位进行分析。本书实战项目挑选的都是网上少有人爬取的网站，让你可以学习到各式各样的爬取方式。 3．站得更高，设计自己的产品 本书除了教你如何爬取网站外，还有很多以爬虫为基础的多功能设计教程，如爬虫机器人、爬虫网站、爬虫搜索功能。让你在学会爬取技术的同时，形成产品的思维去设计自己的产品。
电子书
本书共7个项目，内容包括了解大数据、结构化数据仓库——Hive、列存储数据库——HBase、文档存储数据库——MongoDB、文档存储数据库——ElasticSearch、数据...
电子书
本书内容包括大数据概述、大数据与其他新兴技术的关系、大数据基础知识、大数据应用、数据采集与预处理、数据存储与管理、数据处理与分析、数据可视化、大数据分析综合案例。
电子书
本书内容包括大数据概述、大数据与云计算、从产业结构来探索大数据技术、大数据的硬件架构——集群、大数据开发与计算技术、大数据存储技术、大数据分析、大数据与人工智能。
电子书
《解惑大数据》是一本系统介绍大数据的技术普及读物，可帮助读者迅速了解大数据的概况。全书分为4章，共120个问题，内容涵盖大数据概念、大数据技术、大数据应用等各个方面。第1章为大...
电子书
随着大数据时代的到来，涌现出多元化海量数据。大数据背后隐藏着大量的经济利益，尤其是通过数据整合、分析与挖掘，其所表现出的数据整合与控制力量已经远超以往。本书详细介绍了数据科学与...