《干净的数据：数据清洗入门与实践》pdf格式下载免费电子书下载https://u253469.ctfile.com/fs/253469-300325726
更多电子书下载： http://hadoopall.com/book
内容简介
数据清洗是数据挖掘与分析过程中不可缺少的一个环节，但因为数据类型极其复杂，传统的清洗脏数据工作单调乏味且异常辛苦。如果能利用正确的工具和方法，就可以让数据清洗工作事半功倍。
本书从文件格式、数据类型、字符编码等基本概念讲起，通过真实的示例，探讨如何提取和清洗关系型数据库、网页文件和PDF文档中的数据。最后提供了两个真实的项目，让读者将所有数据清洗技术付诸实践，完成整个数据科学过程。
如果你是一位数据科学家，或者从事数据科学工作，哪怕是位新手，只要对数据清洗有兴趣，那么本书就适合你阅读！
作者简介
Megan Squire
依隆大学计算科学专业教授，主要教授数据库系统、Web开发、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、自由软件和开源软件的开发。
译者简介
任政委
辽宁滨城大连现役程序员一枚，长期从事一线软件开发工作，近年来为成为一名“思路清晰”“视角独特”“不搞办公室政治”“输出有生命力代码”“凭借技术知识普惠初中级IT从业者”的终身制全栈式程序员而不懈努力。曾经翻译《Oracle PL/SQL攻略》一书，并希望这本《干净的数据》能够为奋战在IT前线上的各界小伙伴们带来日常工作之外的另类体验。微信号：KNIGHTRCOM
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 Lines 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 使用csvkit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Facebook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
...