万本电子书0元读

万本电子书0元读

顶部广告

干净的数据:数据清洗入门与实践电子书

理解数据清洗在整个数据科学过程中的作用 掌握数据清洗的基础知识,包括文件清洗、数据类型、字符编码等 发掘电子表格和文本编辑器中与数据组织和操作相关的重要功能 学会常见数据格式的相互转换,如JSON、CSV和一些特殊用途的格式 采用三种策略来解析和清洗HTML文件中的数据 揭PDF文档的秘密,提取需要的数据 借助一系列解决方案来清洗存放在关系型数据库里的坏数据

售       价:¥

纸质售价:¥33.80购买纸书

241人正在读 | 0人评论 6.2

作       者:斯夸尔(Megan Squire)

出  版  社:人民邮电出版社

出版时间:2016-05-01

字       数:17.6万

所属分类: 科技 > 计算机/网络 > 计算机教材

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书主要内容包括:数据清洗在数据科学领域中的重要作用,文件格式、数据类型、字符编码的基本概念,组织和处理数据的电子表格与文本编辑器,各种格式数据的转换方法,解析和清洗网页上的HTML 文件的三种策略,提取和清洗PDF 文件中数据的方法,检测和清除RDBMS 中的坏数据的解决方案,以及使用书中介绍的方法清洗来自Twitter 和Stack Overflow 的数据。 本书主要内容包括:数据清洗在数据科学领域中的重要作用,文件格式、数据类型、字符编码的基本概念,组织和处理数据的电子表格与文本编辑器,各种格式数据的转换方法,解析和清洗网页上的HTML 文件的三种策略,提取和清洗PDF 文件中数据的方法,检测和清除RDBMS 中的坏数据的解决方案,以及使用书中介绍的方法清洗来自Twitter 和Stack Overflow 的数据。
【推荐语】

理解数据清洗在整个数据科学过程中的作用

掌握数据清洗的基础知识,包括文件清洗、数据类型、字符编码等

发掘电子表格和文本编辑器中与数据组织和操作相关的重要功能

学会常见数据格式的相互转换,如JSON、CSV和一些特殊用途的格式

采用三种策略来解析和清洗HTML文件中的数据

揭PDF文档的秘密,提取需要的数据

借助一系列解决方案来清洗存放在关系型数据库里的坏数据

创建自己的干净数据集,为其包、添加授权许可并与他人共享

使用书中的工具以及Twitter和Stack Overflow数据,完成两个真实的项目

【作者】
Megan Squire 依隆大学计算科学专业教授,主要教授数据库系统、Web发、数据挖掘和数据科学课程。有二十年的数据收集与清洗经验。她还是FLOSSmole研究项目的领导者,致力于收集与分析数据,以便研究免费软件、自由软件和源软件的发。
目录展开

前言

本书内容

本书的目标读者

本书排版约定

读者反馈

客户支持

彩色图片下载

勘误表

问题反馈

第1章 为什么需要清洗数据

1.1 新视角

1.2 数据科学过程

1.3 传达数据清洗工作的内容

1.4 数据清洗环境

1.5 入门示例

1.6 小结

第2章 基础知识——格式、类型与编码

2.1 文件格式

2.2 归档与压缩

2.3 数据类型、空值与编码

2.4 小结

第3章 数据清洗的老黄牛——电子表格和文本编辑器

3.1 电子表格中的数据清洗

3.2 文本编辑器里的数据清洗

3.3 示例项目

3.4 小结

第4章 讲通用语言——数据转换

4.1 基于工具的快速转换

4.2 使用PHP实现数据转换

4.3 使用Python实现数据转换

4.4 示例项目

4.5 小结

第5章 收集并清洗来自网络的数据

5.1 理解HTML页面结构

5.2 方法一:Python和正则表达式

5.3 方法二:Python和BeautifulSoup

5.4 方法三:Chrome Scraper

5.5 示例项目:从电子邮件和论坛中抽取数据

5.6 小结

第6章 清洗PDF文件中的数据

6.1 为什么PDF文件很难清洗

6.2 简单方案——复制

6.3 第二种技术——pdfMiner

6.4 第三种技术——Tabula

6.5 所有尝试都失败之后——第四种技术

6.6 小结

第7章 RDBMS清洗技术

7.1 准备

7.2 第一步:下载并检查Sentiment140

7.3 第二步:清洗要导入的数据

7.4 第三步:把数据导入MySQL

7.5 第四步:清洗&字符

7.6 第五步:清洗其他未知字符

7.7 第六步:清洗日期

7.8 第七步:分离用户提及、标签和URL

7.9 第八步:清洗查询表

7.10 第九步:记录操作步骤

7.11 小结

第8章 数据分享的最佳实践

8.1 准备干净的数据包

8.2 为数据编写文档

8.3 为数据设置使用条款与许可协议

8.4 数据发布

8.5 小结

第9章 Stack Overflow项目

9.1 第一步:关于Stack Overflow的问题

9.2 第二步:收集并存储Stack Overflow数据

9.3 第三步:数据清洗

9.4 第四步:数据分析

9.5 第五步:数据可视化

9.6 第六步:问题解析

9.7 从测试表转向完整数据表

9.8 小结

第10章 Twitter项目

10.1 第一步:关于推文归档数据的问题

10.2 第二步:收集数据

10.3 第三步:数据清洗

10.4 第四步:简单的数据分析

10.5 第五步:数据可视化

10.6 第六步:问题解析

10.7 把处理过程应用到全数据量(非测试用)数据表

10.8 小结

看完了

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部