扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
数据整理实践指南 版权信息
- ISBN：9787115411020
- 条形码：9787115411020 ; 978-7-115-41102-0
- 装帧：简裝本
- 册数：暂无
- 重量：暂无
- 所属分类：>
数据整理实践指南 本书特色
随着数据科学的热门，数据的优化、整理以及如何处理不良数据成为人们关注的重点。本书通过处理不良数据，进行数据清理的案例，向读者展示了处理数据的方法。本书共有19章，从6部分向读者展示了使用和清理不良数据背后的理论和实践。第1部分是grubby的动手实践指南，它向读者介绍了驾驭、提取数据的方法，如何处理文本数据中的数据以及web开发中碰到的数据问题。第2部分是让人充满意外的数据，它向读者介绍了数据也会“撒谎”。第3部分是方法，它向读者介绍了处理不良数据的一些方法。第4部分是数据存储和基础设施，它向读者介绍了如何存储数据。第5部分是数据的商业化，它向读者介绍了如何避免数据处理的一些误差。第6部分是数据策略，它向读者介绍了如何追踪数据、评估数据质量以及构建数据质量相关平台等。本书适合数据科学家、数据处理和整理相关开发人员阅读。也适合想要进入数据处理领域的读者阅读。
数据整理实践指南 内容简介
作者携手数据领域的强大智囊团为读者贡献的一本处理噪音数据的指南。本书囊括众多真实世界的应用案例以及高水平的方法和策略。本书汇集国外数据社区的技术骨干和活跃分子的集体智慧，多位数据领域的专家共同揭示了如何处理棘手的数据问题的奥秘。噪音数据就是那些"给你惹麻烦的数据"，从蹩脚的存储到糟糕的说明，再到令人误解的策略，有多重情况可能导致噪音数据。那么什么才是决定性因素呢？有人认为是技术方面的问题，比如缺失值或格式不对的记录，但是噪音数据包含更多的问题。本书介绍了多种有效的方式来应对噪音数据。在本书中，多位数据领域的专家共同揭示了如何处理棘手的数据问题的奥秘。通过阅读本书，你将学会：测试你的数据，判断它是否适合分析；将电子表格数据转变成可用的格式；处理潜藏在文本数据里的编码问题；进行一种成功的网络搜集尝试；利用自然语言处理（nlp, natural language processing）工具揭露线上评论的真实情感；处理可以影响分析工作的云计算问题；避免那些制造数据分析障碍的策略；采用一种系统的数据质量分析方法。
数据整理实践指南 目录
目录
第1章 从头说起：什么是噪音数据 1
第2章 是我的问题还是数据的问题 4
2.1 理解数据结构 5
2.2 校验 8
2.2.1 字段校验 8
2.2.2 值校验 9
2.2.3 简单统计的物理解释 10
2.3 可视化 11
2.3.1 关键词竞价排名示例 13
2.3.2 搜索来源示例 18
2.3.3 推荐分析 19
2.3.4 时间序列数据 22
2.4 小结 27
第3章 数据是给人看的不是给机器看的 28
3.1 数据 28
3.1.1 问题：数据是给人看的 29
3.1.2 对数据的安排 29
3.1.3 数据分散在多个文件中 32
3.2 解决方案：编写代码 34
3.2.1 从糟糕的数据格式中读取数据 34
3.2.2 从多个文件中读取数据 36
3.3 附言 42
3.4 其他格式 43
3.5 小结 45
第4章 纯文本中潜在的噪音数据 46
4.1 使用哪种纯文本编码？ 46
4.2 猜测文本编码格式 50
4.3 对文本规范化处理 53
4.4 问题：在纯文本中掺入了特定应用字符 55
4.5 通过python处理文本 59
4.6 实践练习题 60
第5章 重组web数据 62
5.1 你能获得数据吗 63
5.1.1 一般工作流程示例 64
5.1.2 robots 协议 65
5.1.3 识别数据组织模式 66
5.1.4 存储离线版本 68
5.1.5 网页抓取信息 69
5.2 真正的困难 73
5.2.1 下载原始内容 73
5.2.2 表单、对话框和新建窗口 73
5.2.3 flash 74
5.3 不利情况的解决办法 75
5.4 小结 75
第6章 检测撒谎者以及相互矛盾网上评论的困惑 76
6.1 weotta公司 76
6.2 获得评论 77
6.3 情感分类 77
6.4 极化语言 78
6.5 创建语料库 80
6.6 训练分类器 81
6.7 分类器验证 82
6.8 用数据设计 84
6.9 经验教训 84
6.10 小结 85
6.11 信息资源 86
第7章 请噪音数据站出
第1章 从头说起：什么是噪音数据 1
第2章 是我的问题还是数据的问题 4
2.1 理解数据结构 5
2.2 校验 8
2.2.1 字段校验 8
2.2.2 值校验 9
2.2.3 简单统计的物理解释 10
2.3 可视化 11
2.3.1 关键词竞价排名示例 13
2.3.2 搜索来源示例 18
2.3.3 推荐分析 19
2.3.4 时间序列数据 22
2.4 小结 27
第3章 数据是给人看的不是给机器看的 28
3.1 数据 28
3.1.1 问题：数据是给人看的 29
3.1.2 对数据的安排 29
3.1.3 数据分散在多个文件中 32
3.2 解决方案：编写代码 34
3.2.1 从糟糕的数据格式中读取数据 34
3.2.2 从多个文件中读取数据 36
3.3 附言 42
3.4 其他格式 43
3.5 小结 45
第4章 纯文本中潜在的噪音数据 46
4.1 使用哪种纯文本编码？ 46
4.2 猜测文本编码格式 50
4.3 对文本规范化处理 53
4.4 问题：在纯文本中掺入了特定应用字符 55
4.5 通过python处理文本 59
4.6 实践练习题 60
第5章 重组web数据 62
5.1 你能获得数据吗 63
5.1.1 一般工作流程示例 64
5.1.2 robots 协议 65
5.1.3 识别数据组织模式 66
5.1.4 存储离线版本 68
5.1.5 网页抓取信息 69
5.2 真正的困难 73
5.2.1 下载原始内容 73
5.2.2 表单、对话框和新建窗口 73
5.2.3 flash 74
5.3 不利情况的解决办法 75
5.4 小结 75
第6章 检测撒谎者以及相互矛盾网上评论的困惑 76
6.1 weotta公司 76
6.2 获得评论 77
6.3 情感分类 77
6.4 极化语言 78
6.5 创建语料库 80
6.6 训练分类器 81
6.7 分类器验证 82
6.8 用数据设计 84
6.9 经验教训 84
6.10 小结 85
6.11 信息资源 86
第7章 请噪音数据站出
展开全部
数据整理实践指南 作者简介
Q．Ethan McCallum 是一位顾问、作家，也是一名科技爱好者。他帮助很多公司在数据和技术方面做出明智的决策，他为The O’Relly Network 和Java.net撰写文章，并且为《C/C++Users Journal》《Doctor Dobb’s Journal》和《Linux Magazine》撰稿。
书友推荐
本类畅销
-
-
python 程序设计实用教程
¥38.3¥54 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
