Python數(shù)據(jù)分析與大數(shù)據(jù)處理從入門到精通

定　價：￥89.00

作　者：	朱春旭著
出版社：	北京大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787301307656	出版時間：	2019-10-01	包裝：	平裝
開本：	16開	頁數(shù)：	464	字?jǐn)?shù)：

內(nèi)容簡介

　　《Python數(shù)據(jù)分析與大數(shù)據(jù)處理從入門到精通》主要講解數(shù)據(jù)分析與大數(shù)據(jù)處理所需的技術(shù)、基礎(chǔ)設(shè)施、核心概念、實施流程。從編程語言準(zhǔn)備、數(shù)據(jù)采集與清洗、數(shù)據(jù)分析與可視化，到大型數(shù)據(jù)的分布式存儲與分布式計算，貫穿了整個大數(shù)據(jù)項目開發(fā)流程。本書輕理論、重實踐，目的是讓讀者快速上手。1篇首先介紹了Python的基本語法、面向?qū)ο箝_發(fā)、模塊化設(shè)計等，掌握Python的編程方式。然后介紹了多線程、多進程及其相互間的通信，讓讀者對分布式程序有個基本的認(rèn)識。第2篇介紹了網(wǎng)絡(luò)數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)存儲等技術(shù)。第3篇介紹了Python常用的數(shù)據(jù)分析工具，擴展了更多的數(shù)據(jù)清洗、插值方法，為最終的數(shù)據(jù)可視化奠定基礎(chǔ)。第4篇是大數(shù)據(jù)分析的重點。首先介紹了Hadoop的框架原理、調(diào)度原理，MapReduce原理與編程模型、環(huán)境搭建，接著介紹了Spark框架原理、環(huán)境搭建方式，以及如何與Hive等第三方工具進行交互，還介紹了新的結(jié)構(gòu)化流式處理技術(shù)。第5篇通過三個項目實例，綜合介紹了如何分析網(wǎng)頁、如何搭建分布式爬蟲、如何應(yīng)對常見的反爬蟲、如何設(shè)計數(shù)據(jù)模型、如何設(shè)計架構(gòu)模型、如何在實踐中綜合運用前四篇涉及的技術(shù)。本書既適合非計算機專業(yè)的編程“小白”，也適合剛畢業(yè)或即將畢業(yè)走向工作崗位的廣大畢業(yè)生，以及已經(jīng)有編程經(jīng)驗，但想轉(zhuǎn)行做大數(shù)據(jù)分析的專業(yè)人士。同時，還可以作為廣大職業(yè)院校、電腦培訓(xùn)班的教學(xué)參考用書。

作者簡介

　　朱春旭，高級軟件工程師，長期對企業(yè)、軟件開發(fā)公司、政府機構(gòu)培訓(xùn)大數(shù)據(jù)開發(fā)與應(yīng)用課程，對Python大數(shù)據(jù)處理與分析相關(guān)應(yīng)用有深入研究，并編寫有《極客內(nèi)參-大數(shù)據(jù)開發(fā)實戰(zhàn)》教程45篇，總共30000 字。

圖書目錄

第1篇 Python程序設(shè)計 \n
第1章 Python入門 3 \n
1.1　Python概述 4 \n
1.2　搭建Python開發(fā)環(huán)境 6 \n
1.3　Python開發(fā)工具介紹 11 \n
1.4　Python軟件包的管理 13 \n
1.5　實訓(xùn)：編寫“Hello World” 15 \n
本章小結(jié) 16 \n
第2章 Python基礎(chǔ) 17 \n
2.1　變量 18 \n
2.2　標(biāo)識符 24 \n
2.3　代碼組織 26 \n
2.4　輸入與輸出 28 \n
2.5　運算符與優(yōu)先級 30 \n
2.6　新手問答 30 \n
2.7　實訓(xùn)：設(shè)計一個簡易計算器 31 \n
本章小結(jié) 31 \n
第3章數(shù)據(jù)類型與流程控制 32 \n
3.1　數(shù)字類型 33 \n
3.2　字符串類型 37 \n
3.3　集合類型 40 \n
3.4　流程控制語句 45 \n
3.5　新手問答 47 \n
3.6　實訓(xùn)：設(shè)計算法，輸出乘法表 49 \n
本章小結(jié) 50 \n
第4章函數(shù)、模塊、包 51 \n
4.1　自定義函數(shù) 52 \n
4.2　函數(shù)參數(shù) 55 \n
4.3　函數(shù)式編程 58 \n
4.4　模塊與包 63 \n
4.5　新手問答 65 \n
4.6　實訓(xùn)：設(shè)計算法，對列表進行排序 67 \n
本章小結(jié) 68 \n
第5章面向?qū)ο蟮某绦蛟O(shè)計 69 \n
5.1　面向?qū)ο?70 \n
5.2　自定義類 71 \n
5.3　屬性 73 \n
5.4　方法 79 \n
5.5　類的繼承 83 \n
5.6　可調(diào)用對象 86 \n
5.7　不可變對象 87 \n
5.8　新手問答 88 \n
5.9　實訓(xùn)：設(shè)計算法，構(gòu)造一棵二叉樹 90 \n
本章小結(jié) 92 \n
第6章高級主題 93 \n
6.1　生成器 94 \n
6.2　迭代器 96 \n
6.3　異步處理 97 \n
6.4　錯誤、調(diào)試 103 \n
6.5　新手問答 108 \n
6.6　實訓(xùn)：使用多進程技術(shù)統(tǒng)計數(shù)據(jù)并匯總 109 \n
本章小結(jié) 110 \n
第2篇數(shù)據(jù)采集與數(shù)據(jù)清洗 \n
第7章網(wǎng)絡(luò)數(shù)據(jù)采集 113 \n
7.1　HTTP請求概述 114 \n
7.2　XPath網(wǎng)頁解析 114 \n
7.3　Scrapy數(shù)據(jù)采集入門 119 \n
7.4　Scrapy應(yīng)對反爬蟲程序 126 \n
7.5　CrawlSpider類 131 \n
7.6　分布式爬蟲 132 \n
7.7　新手問答 136 \n
7.8　實訓(xùn)：構(gòu)建百度云音樂爬蟲 136 \n
本章小結(jié) 139 \n
第8章數(shù)據(jù)清洗 140 \n
8.1　數(shù)據(jù)清洗的意義 141 \n
8.2　數(shù)據(jù)清洗的內(nèi)容 141 \n
8.3　數(shù)據(jù)格式與存儲類型 142 \n
8.4　數(shù)據(jù)清洗的步驟 145 \n
8.5　數(shù)據(jù)清洗的工具 147 \n
8.6　新手問答 151 \n
8.7　實訓(xùn)：清洗百度云音樂數(shù)據(jù)并儲存到CSV　 151 \n
本章小結(jié) 152 \n
第3篇數(shù)據(jù)分析與可視化 \n
第9章 NumPy數(shù)值計算 155 \n
9.1　NumPy基礎(chǔ) 156 \n
9.2　形狀操作 164 \n
9.3　副本、淺拷貝和深拷貝 166 \n
9.4　高級索引 168 \n
9.5　排序統(tǒng)計 171 \n
9.6　新手問答 173 \n
9.7　實訓(xùn)：銷售額統(tǒng)計　 174 \n
本章小結(jié) 175 \n
第10章 Matplotlib可視化 176 \n
10.1　圖形的基本要素 177 \n
10.2　繪圖基礎(chǔ) 177 \n
10.3　設(shè)置樣式 186 \n
10.4　圖形樣例 189 \n
10.5　新手問答 198 \n
10.6　實訓(xùn)：營業(yè)數(shù)據(jù)可視化 199 \n
本章小結(jié) 201 \n
第11章 Pandas統(tǒng)計分析 202 \n
11.1　Pandas數(shù)據(jù)結(jié)構(gòu) 203 \n
11.2　基礎(chǔ)功能 210 \n
11.3　統(tǒng)計分析 217 \n
11.4　時間數(shù)據(jù) 229 \n
11.5　數(shù)據(jù)整理 231 \n
11.6　高級功能 234 \n
11.7　讀寫MySQL數(shù)據(jù)庫 236 \n
11.8　新手問答 237 \n
11.9　實訓(xùn)：成績分析 237 \n
本章小結(jié) 239 \n
第12章 Seaborn可視化 240 \n
12.1　Seaborn概述 241 \n
12.2　可視化數(shù)據(jù)關(guān)系 242 \n
12.3　根據(jù)數(shù)據(jù)分類繪圖 246 \n
12.4　單變量與雙變量 251 \n
12.5　線性關(guān)系 256 \n
12.6　新手問答 258 \n
12.7　實訓(xùn)：成績分析可視化 258 \n
本章小結(jié) 260 \n
第4篇大數(shù)據(jù)存儲與快速分析篇 \n
第13章 Hadoop數(shù)據(jù)存儲與基本操作 263 \n
13.1　Hadoop概述 264 \n
13.2　Hadoop數(shù)據(jù)存儲與任務(wù)調(diào)度原理 268 \n
13.3　Hadoop基礎(chǔ)環(huán)境搭建 273 \n
13.4　Hadoop部署模式 294 \n
13.5　Hadoop常用操作命令 298 \n
13.6　新手問答 300 \n
13.7　實訓(xùn)：動手搭建Hadoop集群環(huán)境 301 \n
本章小結(jié) 309 \n
第14章 Spark入門 310 \n
14.1　Spark概述 311 \n
14.2　Spark核心原理 312 \n
14.3　Spark基礎(chǔ)環(huán)境搭建 315 \n
14.4　Spark運行模式 317 \n
14.5　新手問答 321 \n
14.6　實訓(xùn)：動手搭建Spark集群 322 \n
本章小結(jié) 323 \n
第15章 Spark RDD編程 324 \n
15.1　RDD設(shè)計原理 325 \n
15.2　RDD編程 328 \n
15.3　鍵值對RDD 335 \n
15.4　文件讀寫 340 \n
15.5　編程進階 342 \n
15.6　新手問答 347 \n
15.7　實訓(xùn)：統(tǒng)計海鮮銷售情況 348 \n
本章小結(jié) 350 \n
第16章 Spark SQL編程 351 \n
16.1　Spark　SQL概述 352 \n
16.2　創(chuàng)建DataFrame對象 360 \n
16.3　DataFrame常用API 364 \n
16.4　保存DataFrame 370 \n
16.5　新手問答 372 \n
16.6　實訓(xùn)：統(tǒng)計手機銷售情況 373 \n
本章小結(jié) 375 \n
第17章 Spark流式計算編程 376 \n
17.1　流計算簡介 377 \n
17.2　Discretized Stream 379 \n
17.3　Structured Streaming 385 \n
17.4　新手問答 397 \n
17.5　實訓(xùn)：實時統(tǒng)計貸款金額 397 \n
本章小結(jié) 398 \n
第5篇項目實戰(zhàn)篇 \n
第18章分析電商網(wǎng)站銷售數(shù)據(jù) 401 \n
18.1　目標(biāo)分析 402 \n
18.2　數(shù)據(jù)采集 405 \n
18.3　數(shù)據(jù)分析 411 \n
本章小結(jié) 416 \n
第19章分析旅游網(wǎng)站數(shù)據(jù) 417 \n
19.1　目標(biāo)分析 418 \n
19.2　數(shù)據(jù)采集 420 \n
19.3　數(shù)據(jù)分析 425 \n
本章小結(jié) 429 \n
第20章分析在售二手房數(shù)據(jù) 430 \n
20.1　目標(biāo)分析 431 \n
20.2　數(shù)據(jù)采集 434 \n
20.3　數(shù)據(jù)分析 440 \n
本章小結(jié) 446 \n
附錄：Python常見面試題精選 447 \n
主要參考文獻(xiàn) 450