曾道人期期一码两码中特|两肖两码中特免费网站两肖两吗|
您所在的位置:圖書> 圖書詳情
分享到:

數據清洗基礎與實踐

  • 主 編:謝東亮 黃天春
  • 副主編:廖寧 陳怡然 劉振棟 王勝峰
  • 書代號:576200
  • I S B N:978-7-5606-5460-7
  • 出版日期:2019-08
  • 印刷日期:2019-09
  • 業務分類:本科;
  • 圖書庫存:加載中...
  • 紙書價格:- 元 原價:22.00
  • 在線閱讀:-
  • 電子書:-

購書款滿88元包郵(包郵地區僅限內地,新疆、西藏除外)

內容簡介
前言
目錄
編輯推薦
相關資源
    

數據清洗是大數據開發的基礎環節,也是最重要的環節之一。數據清洗就是發現并糾正數據源中存在的錯誤,對錯誤值、異常值、缺失值等可疑數據按照一定的規則和方法,使用必要的工具進行清洗與整理,使其變得干凈,達到可以進行數據分析的目的。

本書分為兩篇,共九章,系統地講解了數據清洗的理論與實踐。第一篇為基礎篇,其中第一章介紹數據清洗的基本概念、數據標準化以及數據倉庫的概念等;第二章介紹數據格式類型與數據編碼,從文件以及文本的格式、文檔的歸檔與壓縮、字符編碼與數據轉換方面做了介紹;第三章對最常用的文本與電子表格數據清洗做了介紹;第四章介紹了數據清洗的基本技術、方法與工具;第五章從文本、Web文件、數據庫數據的抽取方面做了介紹;第六章介紹了數據的轉換與加載和數據的質量評估。第二篇為實戰篇,其中第七章介紹了五種常用的數據清洗工具;第八章專門講解了如何對Web的數據進行采集及預處理;第九章介紹了從RDBMS數據源中獲取數據及進行數據的脫敏、清洗等操作。

本書可作為應用型本科及高職高專學生的大數據課程教材,也可供學習數據清洗的其他讀者使用。

大數據是當今信息化的產物,作為當前高科技時代的產物,大量的結構化、非結構化、半結構化的數據經過采集、清洗處理后才便于分析、建模等。這樣的數據才能真正地產生價值。數據清洗技術是大數據必不可少的環節,通過數據清洗可以發現并糾正數據中可能存在的錯誤,并對發現的錯誤進行清理,使之變為干干凈凈的數據。

本書分為基礎篇與實戰篇兩部分。在基礎篇中主要講述了數據清洗的流程以及在清洗過程中所使用的工具和數據清洗的方法,在實戰篇中主要介紹了數據清洗工具的使用方法、基于Web的數據采集與清洗實戰和基于DBMS的數據清洗實戰。

基礎篇包括第一章至第六章,其中:

第一章主要闡述數據清洗的基本概念,在數據清洗階段的主要任務以及流程、數據的標準化以及為什么要進行數據清洗;通過一個簡單的例子演示了現實世界中的臟數據,并闡述了各種清洗過程的優缺點以及清洗工作所帶來的數據變化。

第二章主要闡述數據格式、編碼、常見的數據類型以及字符集等,介紹格式間的相互轉換。通過本章的學習,讀者可了解當前流行的主要數據格式以及數據編碼與格式間的相互轉換等知識。

第三章描述如何從常見的電子表格和文本編輯器中盡可能多地發掘出數據清洗功能,主要介紹一些常見問題的簡便處理方法,包括如何使用函數、搜索和替換、正則表達式來實現數據糾錯和轉換;最后利用已經掌握的技能,使用上述兩種工具來完成一個與大學有關的數據清洗任務。

第四章從ETL技術入手,介紹ETL的相關概念、數據清洗遵從的基本步驟以及技術路線,介紹ETL常見的工具以及ETL子系統。通過本章的學習,讀者能清晰地理解數據清洗的概念、技術路線及主要功能。

第五章以Kettle開源數據清洗工具為依托,闡述文本文件的抽取、Web文件的獲取、數據庫文件的獲取,以及全量與增量數據的抽取等。通過本章的學習,讀者能夠借助Kettle實現文本的抽取、網頁文件的獲取以及數據庫文件的導入與導出等。

第六章詳細介紹數據的清洗步驟、數據檢查、錯誤處理、數據質量評估和數據裝載等知識。通過本章的學習,讀者能夠掌握數據清洗的具體方法以及數據轉換過程中的數據檢驗和錯誤處理,同時掌握數據的批量加載等技能。

實戰篇包括第七章至第九章,其中:

第七章主要闡述數據清洗使用的工具,從基礎的Microsoft Excel工具進行講解,闡述如何使用Excel 來完成數據的分列校驗和快速填充等操作以及使用Kelltle進行數據的清洗操作。同時,對常用的清洗工具OpenRefine以及DataWrangler和Hawk等工具進行簡單的介紹,使讀者對常用的清洗工具有一個全面的認識。

第八章主要以常用的Web數據為基礎,采用實際案例介紹如何對數據信息進行爬取采集以及清洗等預處理操作。

第九章主要以關鍵的關系型數據庫為基礎,采用實際案例介紹如何從關系型數據庫中獲取數據并進行準備、脫敏、格式轉換等清洗工作,通過案例的實際講解使讀者掌握如何對關系型數據庫的大量數據進行“清洗”操作。

在本書的編寫過程中,北京雅丁信息科技有限公司提供了大量的支持,并給出了中肯的建議。黃天春老師除了編寫第九章的內容之外還對全書進行了反復校驗,才使本書得以成稿,在此表示衷心的感謝。同時,也要感謝西安電子科技大學出版社李惠萍編輯在本書出版過程中所給予的寶貴意見和大力支持。

盡管我們付出了很大的努力,但是書中可能仍存在不妥之處,歡迎讀者朋友提出寶貴意見,我們將不勝感激。在閱讀本書時,如果您發現有任何問題,可以通過郵件與我們聯系,郵箱地址:[email protected]

謝東亮

2019年6月

版權所有(C) 西安電子科技大學出版社 Copyrights @ 2015 陜ICP備15015893號

曾道人期期一码两码中特
期货配资非法经营罪 四川血战麻将技巧 福州麻将技巧顺口溜 最新22选5开奖 股市里配资是什么意思 专业股票分析软件哪个比较好 弈乐贵州捉鸡麻将技巧 河北快3开奖号码 飞艇是哪里的官方 新浪股票群