Анализ данных Python и обработка больших данных от входа в мастерство
Цена: 1 167руб. (¥55.2)
Артикул: 606707684503
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:当当网官方旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥33.31704руб.
¥47.631 007руб.
¥31.2660руб.
¥65.731 389руб.
(1) Комплексный: все технологии, необходимые для анализа данных и обработки больших данных, включая основную теорию, основные концепции, процессы реализации, от подготовки языка программирования, сбора данных и очистки, анализа данных и визуализации, до распределенного хранения и визуализации крупного Данные о распределенном хранении больших данных для распределенного хранения и визуализации крупных распределенных данных и т. Д.
(2) В -Depth: одна книга говорит 1 язык программирования и 14 данных анализа данных и больших инструментов обработки, а также технологии анализа больших данных и методы разработки проектов.
(3) Богатый: включать 45“” 17 главы&Ldquo; обучение&Rdquo; 3 Проекты Комплексный фактический бой, 50 вопросов интервью Python.
Глава 1 Python Начало работы 3
1.1 Обзор Python 4
1.2 Строительная среда разработки Python 6
1.3 Инструмент разработки Python Введение 11
1.4 Управление Python Software Pack 13
1.5 Обучение: письмо“Hello World” 15
Резюме этой главы 16
Глава 2 Python Basic 17
2.1 Переменная 18
2.2 Символ идентичности 24
2.3 Организация кода 26
2.4 Вход и вывод 28
2.5 Расчет символ и приоритет 30
2.6 Новичок Q & A 30
2.7 Обучение: разработка простого калькулятора 31
Резюме этой главы 31
Глава 3 Тип данных и управление процессом 32
3.1 цифровой тип 33
3.2 Тип строки 37
3.3 эпизоды 40
3.4 Оператор управления процессом 45
3,5 Новички Q & A 47
3.6 Обучение: алгоритм дизайна, размножение вывода Таблица 49
Резюме этой главы 50
Глава 4 Функция, модуль, сумка 51
4.1 Пользовательская функция 52
4.2 Параметры функции 55
4.3 Функциональное программирование 58
4.4 Модуль и упаковка 63
4.5 новичок Q & A 65
4.6 Обучение: алгоритм дизайна, сортируйте список 67
Резюме этой главы 68
Глава 5 Объект -ориентированный дизайн программы 69
5.1 Объект -Ориентирован 70
5.2 Пользовательский класс 71
5.3 Свойства 73
5.4 Метод 79
5.5 Классовое наследство 83
5.6 Callable Object 86
5.7 Unkened Object 87
5.8 новичок Q & A 88
5.9 Обучение: алгоритм дизайна, построение бинарного дерева 90
Резюме этой главы 92
ГЛАВА 6 ПРЕДВАРИТЕЛЬНАЯ ТЕМА 93
6.1 Генератор 94
6.2 Итератор 96
6.3 Асинхронное лечение 97
6.4 Ошибка, отладка 103
6.5 новичок Q & A 108
6.6.
Сомотинг этой главы 110
Глава 2 Сбор данных и очистка данных
Глава 7 Сбор сетевых данных 113
7.1 Обзор запроса http 114
7.2 Анализ веб -страницы XPath 114
7.3 Сбор данных скрещивания 119
7.4 Scrapy реагирует на антирептильные процедуры 126
7.5 Clawrspider Class 131
7.6 Распределенный гусеницы 132
7.7 новичок Q & A 136
7.8 Обучение: строительство Baidu Cloud Music Caple 136
Резюме этой главы 139
Глава 8 Данные Чистые 140
8.1 Очистка данных Значение 141
8.2 Содержание очистки данных 141
8.3 Формат данных и тип хранения 142
8.4 Шаг очистки данных 145
8.5 Инструмент очистки данных 147
8.6 Новичок Q & A 151
8.7 ОБУЧЕНИЕ: Очистите данные облачной музыки Baidu и храните их в CSV 151
Резюме этой главы 152
Глава 3 Анализ и визуализация данных
Глава 9 Numpy Численное расчет 155
9.1 Numpy Basic 156
9.2 Операция формы 164
9.3 Копия, мелкая копия и глубокая копия 166
9.4 Advanced Index 168
9.5 Статистика сортировки 171
9,6 Новички Q & A 173
9.7 Обучение: статистика продаж 174
Эта глава резюме 175
Глава 10 Матплотлиб визуализация 176
10.1 Основные элементы графика 177
10.2. Основная база 177
10.3 Стиль Стиль 186
10.4 Графический образец 189
10.5 новичок Q & A 198
10.6 Обучение: визуализация бизнес -данных 199
Резюме этой главы 201
Глава 11 Пандас Статистический анализ 202
11.1 Структура данных Pandas 203
11.2 Основная функция 210
11.3 Статистический анализ 217
11.4 Data 229
11.5 Организация данных 231
11.6 Усовершенствованная функция 234
11.7 Читать и написать базу данных MySQL 236
11,8 Новички Q & A 237
11,9 Обучение: анализ оценки 237
Эта глава - саммит 239
Глава 12 Seaborn Visualization 240
12.1 Обзор Seaborn 241
12.2 Отношения визуальных данных 242
12.3 Рисунок в соответствии с классификацией данных 246
12.4 Одно переменная и двойная переменная 251
12.5 Линейная связь 256
12,6 Новички Q & A 258
12.7 Обучение: анализ результатов может быть визуализирован 258
Эта глава - саммит 260
Глава 4 Статья о хранении больших данных и быстрого анализа
ГЛАВА 13 ХАРИЗАНИЕ ДАННЫХ ДАННЫХ И ОСНОВНАЯ РАБОТА 263
13.1 Hadoop Обзор 264
13.2 Принцип хранения данных Hadoop и принцип планирования задач 268
13.3 Hadoop Basic Envustic
13.4 Режим развертывания Hadoop 294
13.5 Hadoop Обычно используемая операция команда 298
13,6 Новички Q & A 300
13.7 Обучение: Создание среды Hadoop Cluster 301
Резюме этой главы 309
Глава 14 Spark Начало работы 310
14.1 Обзор Spark 311
14.2 Принципы Spark Core 312
14.3 Spark Basic Envustrent Construction 315
14.4 РЕЖИМ РАБОТА 317 Spark 317
14,5 Новички Q & A 321
14.6 Обучение: строительство Spark Cluster 322
Эта глава - саммит 323
Глава 15 Spark RDD Программирование 324
15.1 Принцип дизайна RDD 325
15.2 Программирование RDD 328
15.3 Значение ключа для RDD 335
15.4 Читать и записать файл 340
15.5 Программирование Advanced 342
15,6 Новички Q & A 347
15.7 Обучение: статистические продажи морепродуктов 348
Эта глава - саммит 350
Глава 16 Spark SQL Программирование 351
16.1 Spark SQL Обзор 352
16.2 Создание объекта DataFrame 360
16.3 DataFrame Common API 364
16.4 Сохранить DataFrame 370
16,5 Новички Q & A 372
16.6 Обучение: статистика продажи мобильных телефонов 373
Эта глава резюме 375
Глава 17 Spark Streaming Computering Programming 376
17.1 Введение в расчет потока 377
17.2 Дискретизировать поток 379
17.3 Структурированная потоковая передача 385
17,4 Новички Q & A 397
17.5 Обучение: реальная статистическая сумма кредита 397
Эта глава резюме 398
Глава 5 Project Real Article
Глава 18 Анализ E -Commerce Веб -сайт Данные 401
18.1 Целевой анализ 402
18.2 Сбор данных 405
18.3 Анализ данных 411
Эта глава резюме 416
Глава 19 Анализ веб -сайта туризма 417
19.1 Целевой анализ 418
19.2 Сбор данных 420
19.3 Анализ данных 425
Резюме этой главы 429
Глава 20 Анализ данных о корпусе 430 секунды
20.1 Целевой анализ 431
20.2 Сбор данных 434
20.3 Анализ данных 440
Эта глава резюме 446
Приложение: Python Common Test Вопросы выбраны 447
Основные ссылки 450
Основателем Python является Гвидо Ван Россум.В 1991 году родился компилятор Python, разработанный на C -языке.В 1996 году Python выпустил публичную версию 1.4.Из -за его простых, легких -к использованию и характеристикам трансплантации Python быстро развивался.При написании этой книги основной версией ** уже является версия 3.7.
Процесс выпуска версии Python выглядит следующим образом.
С 1996 по 2000 год выпущенная версия Python была 1,4-1,6.
С 2000 по 2008 год выпущенная версия Python составляет 2,0-2,7.
С 2008 по 2018 год выпущенная версия Python была 3,0-3,7.
Обратите внимание, что после 2008 года Python начал поддерживать две версии 2.x и 3.x одновременно.Это было связано с тем, что в то время многие системы не могли быть обновлены до версии 3.0, поэтому позже она была разработана версия 2.7 в качестве перехода.
Python имеет основные типы данных, такие как класс, функции, ненормальная обработка, таблицы, словари и т. Д.“”В процессе разработки Python разработчики постоянно объединяют функции высокого порядка, такие как Lambda, Map, F ilter и уменьшение, что значительно обогащает API Python.В то же время были введены функции с высоким уровнем уровня, такие как мусорные перерывы, и процессы управления памятью программистов упрощены.
В текущей версии Python имеет следующие важные языковые характеристики.
(1) Существует несколько основных типов данных на выбор: чисел (точка с плавающей точкой, множественное число и бесконечная длина), строка (ASCII и Unicode), списки и словари.
(2) Поддержка объекта -ориентированного программирования классов использования и множественного наследования.
(3) Код может быть разделен на модули и пакеты.
(4) Поддержка и захват аномалий, тем самым достигая более четкой обработки ошибок.
(5) Тип данных - это сильный тип и динамический тип.Смешанные типы (такие как попытка добавить строки и числа) могут вызвать аномалии, которые могут быстрее захватывать ошибки.
(6) Содержит расширенные функции программирования, такие как генератор и вывод списка.
(7) Его автоматическая функция управления памятью позволяет пользователям не распределять и выпускать память в коде.
«Анализ данных Python и обработка больших данных от ввода до владения» в основном объясняют технологию, инфраструктуру, основные концепции и процессы реализации, необходимые для анализа данных и обработки больших данных.От подготовки языка программирования, сбора и очистки данных, анализа данных и визуализации до распределенного хранилища и распределенных вычислений крупных данных, он проходит через процесс разработки всего проекта больших данных.Теория и практика этой книги, цель состоит в том, чтобы позволить читателям начать быстро.Одна статья впервые представляет базовый синтаксис питона, разработку объектно -ориентированного и модульного дизайна и т. Д., А также освоить метод программирования Python.Затем введите многочисленные многократные процедуры и интерфейс, чтобы читатели имели базовое понимание распределенных программ.Второй представляет такие технологии, как сбор сетевых данных, очистка данных и хранение данных.Третья статья представляет инструмент анализа данных, обычно используемый Python, который расширяет больше методов очистки данных и интерполяции, закладывая основу для визуализации*окончательных данных.Глава 4 находится в центре внимания анализа больших данных.Прежде всего, я представляю принципы и принципы планирования Hadoop, принцип моделей MapReduce и программирования, конструкции окружающей среды, а затем представляю принципы Spark Framework, методы конструкции окружающей среды и как взаимодействовать с третьими участниками, такими как Hive. Технология потоковой обработки.Глава с 5 по три проекта, в нем рассказывается о том, как анализировать веб -страницу, как создать распределенного гусеника, как справляться с общими антирептими вовлечен в практику на практике.Эта книга подходит для программирования некомпьютеров.“ xiaobai&Rdquo;, также подходит для выпускников, которые только что закончили обучение или собираются закончить работу, а также профессионалов, которые уже имели опыт программирования, но хотят переключиться на основной анализ данных.В то же время его также можно использовать в качестве учебника для большинства профессиональных колледжей и курсов по компьютерной подготовке.......Zhu Chunxu, старший инженер-программист, проведен долгосрочные исследования по разработке и применению больших данных для предприятий, компаний по разработке программного обеспечения и государственных учреждений, углубленных исследований по обработке и анализу Python Big Data, а также написание ». -Виг -данных по разработке фактического боя »45 учебных пособий, всего 30000+ слов.