大小:30.14M
更新时间:23-09-03
系统:Pc
版本:v
目录 第1 章 为什么需要清洗数据 1 1.1 新视角 1 1.2 数据科学过程 2 1.3 传达数据清洗工作的内容 3 1.4 数据清洗环境 4 1.5 入门示例 5 1.6 小结 9 第2 章 基础知识——格式、 类型与编码 11 2.1 文件格式 11 2.1.1 文本文件与二进制文件 11 2.1.2 常见的文本文件格式 14 2.1.3 分隔格式 14 2.2 归档与压缩 20 2.2.1 归档文件 20 2.2.2 压缩文件 21 2.3 数据类型、空值与编码 24 2.3.1 数据类型 25 2.3.2 数据类型间的相互转换 29 2.3.3 转换策略 30 2.3.4 隐藏在数据森林中的空值 37 2.3.5 字符编码 41 2.4 小结 46 第3 章 数据清洗的老黄牛——电子表格和文本编辑器 47 3.1 电子表格中的数据清洗 47 3.1.1 Excel 的文本分列功能 47 3.1.2 字符串拆分 51 3.1.3 字符串拼接 51 3.2 文本编辑器里的数据清洗 54 3.2.1 文本调整 55 3.2.2 列选模式 56 3.2.3 加强版的查找与替换功能 56 3.2.4 文本排序与去重处理 58 3.2.5 Process Containing 60 3.3 示例项目 60 3.3.1 第一步:问题陈述 60 3.3.2 第二步:数据收集 60 3.3.3 第三步:数据清洗 61 3.3.4 第四步:数据分析 63 3.4 小结 63 第4 章 讲通用语言——数据转换 64 4.1 基于工具的快速转换 64 4.1.1 从电子表格到CSV 65 4.1.2 从电子表格到JSON 65 4.1.3 使用phpMyAdmin 从SQL语句中生成CSV 或JSON 67 4.2 使用PHP 实现数据转换 69 4.2.1 使用PHP 实现SQL 到JSON的数据转换 69 4.2.2 使用PHP 实现SQL 到CSV的数据转换 70 4.2.3 使用PHP 实现JSON 到CSV的数据转换 71 4.2.4 使用PHP 实现CSV 到JSON的数据转换 71 4.3 使用Python 实现数据转换 72 4.3.1 使用Python 实现CSV 到JSON的数据转换 72 4.3.2 实现CSV 到JSON的数据转换 73 4.3.3 使用Python 实现JSON 到CSV的数据转换 74 4.4 示例项目 74 4.4.1 第一步:下载GDF 格式的数据 75 4.4.2 第二步:在文本编辑器中查看GDF 文件 75 4.4.3 第三步:从GDF 格式到JSON格式的转换 76 4.4.4 第四步:构建D3 图 79 4.4.5 第五步:把数据转换成Pajek格式 81 4.4.6 第六步:简单的社交网络分析 83 4.5 小结 84 第5 章 收集并清洗来自网络的数据 85 5.1 理解HTML 页面结构 85 5.1.1 行分隔模型 86 5.1.2 树形结构模型 86 5.2 方法一:Python 和正则表达式 87 5.2.1 第一步:查找并保存实验用的Web 文件 88 5.2.2 第二步:观察文件内容并判定有价值的数据 88 5.2.3 第三步:编写Python 程序把数据保存到CSV 文件中 89 5.2.4 第四步:查看文件并确认清洗结果 89 5.2.5 使用正则表达式解析HTML的局限性 90 5.3 方法二:Python 和BeautifulSoup 90 5.3.1 第一步:找到并保存实验用的文件 90 5.3.2 第二步:安装BeautifulSoup 91 5.3.3 第三步:编写抽取数据用的Python 程序 91 5.3.4 第四步:查看文件并确认清洗结果 92 5.4 方法三:Chrome Scraper 92 5.4.1 第一步:安装Chrome 扩展Scraper 92 5.4.2 第二步:从网站上收集数据 92 5.4.3 第三步:清洗数据 94 5.5 示例项目:从电子邮件和论坛中抽取数据 95 5.5.1 项目背景 95 5.5.2 第一部分:清洗来自Google Groups 电子邮件的数据 96 5.5.3 第二部分:清洗来自网络论坛的数据 99 5.6 小结 105 第6 章 清洗PDF 文件中的数据 106 6.1 为什么PDF 文件很难清洗 106 6.2 简单方案——复制 107 6.2.1 我们的实验文件 107 6.2.2 第一步:把我们需要的数据复制出来 108 6.2.3 第二步:把复制出来的数据粘贴到文本编辑器中 109 6.2.4 第三步:轻量级文件 110 6.3 第二种技术——pdfMiner 111 6.3.1 第一步:安装pdfMiner 111 6.3.2 第二步:从PDF 文件中提取文本 111 6.4 第三种技术——Tabula 113 6.4.1 第一步:下载Tabula 113 6.4.2 第二步:运行Tabula 113 6.4.3 第三步:用Tabula 提取数据 114 6.4.4 第四步:数据复制 114 6.4.5 第五步:进一步清洗 114 6.5 所有尝试都失败之后——第四种技术 115 6.6 小结 117 第7 章 RDBMS 清洗技术 118 7.1 准备 118 7.2 第一步:下载并检查Sentiment140 119 7.3 第二步:清洗要导入的数据 119 7.4 第三步:把数据导入MySQL 120 7.4.1 发现并清洗异常数据 121 7.4.2 创建自己的数据表 122 7.5 第四步:清洗&字符 123 7.6 第五步:清洗其他未知字符 124 7.7 第六步:清洗日期 125 7.8 第七步:分离用户提及、标签和URL 127 7.8.1 创建一些新的数据表 128 7.8.2 提取用户提及 128 7.8.3 提取标签 130 7.8.4 提取URL 131 7.9 第八步:清洗查询表 132 7.10 第九步:记录操作步骤 134 7.11 小结 135 第8 章 数据分享的最佳实践 136 8.1 准备干净的数据包 136 8.2 为数据编写文档 139 8.2.1 README 文件 139 8.2.2 文件头 141 8.2.3 数据模型和图表 142 8.2.4 维基或CMS 144 8.3 为数据设置使用条款与许可协议 144 8.4 数据发布 146 8.4.1 数据集清单列表 146 8.4.2 Stack Exchange 上的OpenData 147 8.4.3 编程马拉松 147 8.5 小结 148 第9 章 Stack Overflow 项目 149 9.1 第一步:关于Stack Overflow 的问题 149 9.2 第二步:收集并存储Stack Overflow数据 151 9.2.1 下载Stack Overflow 数据 151 9.2.2 文件解压 152 9.2.3 创建MySQL 数据表并加载数据 152 9.2.4 构建测试表 154 9.3 第三步:数据清洗 156 9.3.1 创建新的数据表 157 9.3.2 提取URL 并填写新数据表 158 9.3.3 提取代码并填写新表 159 9.4 第四步:数据分析 161 9.4.1 哪些代码分享网站最为流行 161 9.4.2 问题和答案中的代码分享网站都有哪些 162 9.4.3 提交内容会同时包含代码分享URL 和程序源代码吗 165 9.5 第五步:数据可视化 166 9.6 第六步:问题解析 169 9.7 从测试表转向完整数据表 169 9.8 小结 170 第10 章项目 171 10.1 第一步:关于推文归档数据的问题 171 10.2 第二步:收集数据 172 10.2.1 下载并提取弗格森事件的数据文件 173 10.2.2 创建一个测试用的文件 174 10.2.3 处理推文ID 174 10.3 第三步:数据清洗 179 10.3.1 创建数据表 179 10.3.2 用Python 为新表填充数据 180 10.4 第四步:简单的数据分析 182 10.5 第五步:数据可视化 183 10.6 第六步:问题解析 186 10.7 把处理过程应用到全数据量(非测试用)数据表 186 10.8 小结 187
同类热门
热门标签
网友评论0人参与,0条评论
最新排行
QManga漫画阅读器5.23Mv0.3 QManga是一款简洁小巧的漫画阅读软件。这款软件拥有十分精简的界面,能够给用户带来流畅舒适的漫画阅读体验,它支持众多常见的图片文件格式和压缩格式,还支持通过键盘进行快速翻页,让用户能够更加轻松地享受阅读漫画的乐趣。这款动漫阅读器有着非常小巧的体积
查看水力学第4版上册下册9.46Mpdf高清完整版水力学第4版上册下册是一本学习水力学的主要理论及其应用的教材,由吴持恭编写,高教育出版社出版,此版本在第3版基础上,保持了原书 “循序渐进、加强基础、理论联系实际、利于教学”的特点,采用了由浅人深的方式,讲述了水静力学、水动力学基础、液流型态和水头损失、
查看ASP.NET项目开发案例全程实录(第2版)75.67Mpdf扫描版ASP.NET项目开发案例全程实录(第2版)是一本ASP.NET的项目开发实录教材,由郑齐心同,房大伟,刘云峰等人编著。本书内容丰富翔实,拥有12套完整项目开发案例,支持模块库,题库,素材库等海量学习资料,同时涉及行业广泛,实用性非常强。通过书中的学习,
查看axure rp网站与app设计从入门到精通131.63M刘刚pdf全彩版axure rp网站与app设计从入门到精通是一本Axure使用指导手册,由刘刚编著。全书内容丰富翔实,分共为基础篇和实战篇。基础篇介绍工具的使用,先讲述简单操作,然后逐步过渡到复杂操作、高级交互效果。实战篇介绍了不同类型的原型设计,帮助读者拓宽设计思路
查看Scala程序设计第二版15.83Mpdf高清完整版想要学习Scala程序设计看哪方面的书籍好呢?小编推荐您看看这本Scala程序设计第二版pdf格式的电子书,这本书里主要讲解了Scala的函数式风格、自适应类型、闭包、XML处理、模式匹配和并发编程等内容。本书既适合Scala初学者入门,也适合经验丰富的
查看笨办法学ruby第3版1.38MZed A. Shaw pdf扫描版笨办法学ruby第3版是一本Ruby平台学习书籍,由美国程序员Zed A. Shaw编著。在这本书中,你将通过完成52个精心设计的习题来学习Ruby。阅读这些习题,输入代码(不许复制和粘贴),修正你的错误,观察程序的运行。在这个过程中,你将了解软件是如何
查看需求分析与系统设计原书第三版pdf72.41M扫描版需求分析与系统设计(原书第三版)是一本讲解了设计大型面向对象系统所需的基础理论和实践的教材书籍,全书论述软件分析与设计的原理、方法和技术,并特别关注设计阶段,对软件体系结构的内容进行了很大的扩充。另外,书中强调对象技术及统一建模语言(UML)在企业信息系
查看