#好书推荐##好书奇遇季#《Python大数据处理库PySpark实战》京东当当天猫都有发售。
Apache Spark为Python开发人员提供的编程API接口，以便开发人员用Python语言对大数据进行分布式处理，可降低大数据处理的门槛。Python语言是大数据、人工智能的通用编程语言，通过这个工具，只要会Python语言就能操作Spark了，不需要另外学习别的语言，这个工具很有价值。
PySpark优势有哪些？首先PySpark是基于Python语言的，简单易学。其次，PySpark可以非常方便地对大数据进行处理，其中可用SQL方便地从Hadoop、Hive及其他文件系统中读取数据并进行统计分析。最后，PySpark编写的大数据处理程序，容易维护，且部署方便。
PySpark可以从多种数据源中读取数据，并可以对数据进行统计分析和处理，其中包括批处理、流处理、图计算和机器学习模型构建等。它还可以将数据处理的结果持久化到多种文件系统中，为大数据UI展现提供数据支持。PySpark比Java/Scala更容易学习，借助IDE开发工具，可以非常方便地进行代码编写和调试。
如果你对大数据处理有一定兴趣，了解基本的编程知识，立志构建大数据处理的相关应用，那么本书将适合你。本书作为PySpark的入门教材，由浅入深地对PySpark大数据处理方法进行介绍，特别对常用的操作、ETL处理和机器学习进行详细的说明，最后结合实战项目将各个知识点有机整合，做到理论联系实际。
本书分为7章，第1章介绍大数据的基本概念、常用的大数据分析工具；第2章介绍Spark作为大数据处理的特点和算法；第3章介绍Spark实战环境的搭建，涉及Windows和Linux操作系统；第4章介绍如何灵活应用PySpark对数据进行操作；第5章介绍PySpark ETL处理，涉及PySpark读取数据、对数据进行统计分析等数据处理相关内容；第6章介绍PySpark如何利用MLlib库进行分布式机器学习（Titanic幸存者预测）；第7章介绍一个PySpark和Kafka结合的实时项目。
