数据整理实践指南
正版保障 假一赔十 可开发票
￥ 30.18 6.2折 ￥ 49 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者[美]Q.Ethan McCallum
出版社人民邮电出版社
ISBN9787115411020
出版时间2015-09
装帧平装
开本其他
定价49元
货号8683561
上书时间2024-08-31
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
Q．Ethan McCallum 是一位顾问、作家，也是一名科技爱好者。他帮助很多公司在数据和技术方面做出明智的决策，他为The O’Relly Network 和Java.net撰写文章，并且为《C/C++Users Journal》《Doctor Dobb’s Journal》和《Linux Magazine》撰稿。
目录
第1章 从头说起：什么是噪音数据1
第2章 是我的问题还是数据的问题4
2.1 理解数据结构5
2.2 校验8
2.2.1 字段校验8
2.2.2 值校验9
2.2.3 简单统计的物理解释10
2.3 可视化11
2.3.1 关键词竞价排名示例13
2.3.2 搜索来源示例18
2.3.3 推荐分析19
2.3.4 时间序列数据22
2.4 小结27
第3章 数据是给人看的不是给机器看的28
3.1 数据28
3.1.1 问题：数据是给人看的29
3.1.2 对数据的安排29
3.1.3 数据分散在多个文件中32
3.2 解决方案：编写代码34
3.2.1 从糟糕的数据格式中读取数据34
3.2.2 从多个文件中读取数据36
3.3 附言42
3.4 其他格式43
3.5 小结45
第4章 纯文本中潜在的噪音数据46
4.1 使用哪种纯文本编码？46
4.2 猜测文本编码格式50
4.3 对文本规范化处理53
4.4 问题：在纯文本中掺入了特定应用字符55
4.5 通过Python处理文本59
4.6 实践练习题60
第5章 重组Web数据62
5.1 你能获得数据吗63
5.1.1 一般工作流程示例64
5.1.2 Robots 协议65
5.1.3 识别数据组织模式66
5.1.4 存储离线版本68
5.1.5 网页抓取信息69
5.2 真正的困难73
5.2.1 下载原始内容73
5.2.2 表单、对话框和新建窗口73
5.2.3 Flash74
5.3 不利情况的解决办法75
5.4 小结75
第6章 检测撒谎者以及相互矛盾网上评论的困惑76
6.1 Weotta公司76
6.2 获得评论77
6.3 情感分类77
6.4 极化语言78
6.5 创建语料库80
6.6 训练分类器81
6.7 分类器验证82
6.8 用数据设计84
6.9 经验教训84
6.10 小结85
6.11 信息资源86
第7章 请噪音数据站出来87
7.1 实例1：在制造业中减少缺陷87
7.2 实例2：谁打来的电话90
7.3 实例3：当“典型的”不等于“平均的”92
7.4 经验总结95
7.5 到工厂参观能成为试验的一部分吗96
第8章 血、汗和尿97
8.1 书呆子戏剧性工作交换97
8.2 化学家如何整理数字98
8.3 数据库都是我们的99
8.4 仔细检查102
8.5 生命短暂的漂亮代码库103
8.6 改变化学家（和其他电子表单滥用者）104
8.7 传递线（tl）和数据记录器（dr）105
第9章 当数据与现实不匹配107
9.1 到底是谁的报价机108
9.2 股票分割、股利和调整110
9.3 糟糕的现实112
9.4 小结114
第10章 偏差和误差的来源115
10.1 估算上的偏差：一般性的问题117
10.2 报告上的误差：一般性的问题118
10.3 其他偏差来源121
10.3.1 顶层编码/底部编码121
10.3.2 Seam偏差122
10.3.3 代理报告123
10.3.4 样本选择123
10.4 结论124
参考文献124
第11章 不要把完美和正确对立起来：噪音数据真是噪音吗128
11.1 回忆学校生活128
11.2 向着专业领域前进129
11.2.1 政府工作130
11.2.2 政府数据非常真实131
11.3 应用实例—服务电话132
11.4 继续前进133
11.5 经验与未来展望134
第12章 数据库攻击：什么时候使用文件135
12.1 历史135
12.2 建立我的工具箱136
12.3 数据存储—我的路障136
12.4 将文件作为数据存储器137
12.4.1 简单的文件138
12.4.2 文件处理一切138
12.4.3 文件可包含任何数据形式138
12.4.4 局部数据破坏139
12.4.5 文件拥有很棒的工具139
12.4.6 没有安装税139
12.5 文件的概念140
12.5.1 编码140
12.5.2 文本文件140
12.5.3 二进制数据140
12.5.4 内存映射文件140
12.5.5 文件格式140
12.5.6 分隔符142
12.6 文件支持的网络框架143
12.6.1 动机143
12.6.2 实现145
12.7 反馈145
第13章 卧库表，隐网络146
13.1 成本分配模型147
13.2 组合展开微妙的作用150
13.3 隐藏网络的浮现151
13.4 存储图表151
13.5 利用Gremlin遍历图表152
13.6 在网络属性里寻找价值154
13.7 从多重数据模型角度考虑并使用正确的工具155
13.8 致谢155
第14章 云计算神话156
14.1 关于云的介绍156
14.2 何谓“云”156
14.3 云和大数据157
14.4 Fred的故事157
14.4.1 起初一切都好157
14.4.2 基础结构全部放在云端158
14.4.3 随着规模增长，最初的扩展很轻松158
14.4.4 麻烦出现了158
14.4.5 需要提高性能158
14.4.6 关键要提高RAID 10性能158
14.4.7 重要的局部运行中断引发长期停机159
14.4.8 有代价的RAID 10159
14.4.9 数据规模增大160
14.4.10 地理冗余成为首选160
14.4.11 水平扩展并不像想像得那么简单160
14.4.12 成本显著增长160
14.5 Fred的荒唐事161
14.5.1 神话1：云是所有基础设施组件的解决方案161
该神话与Fred故事的联系161
14.5.2 神话2：云可以节约成本161
该神话与Fred的故事的联系162
14.5.3 神话3：通过RAID可以将cloud 10的性能提高至可接受的水平163
该神话与Fred故事的联系163
14.5.4 神话4：云计算使水平扩展轻松163
该神话与Fred故事的联系164
14.6 结论和推荐164
第15章 数据科学的阴暗面165
15.1 避开这些陷阱165
15.1.1 对数据一无所知166
15.1.2 应该只为数据科学家提供一种工具来解决所有问题167
15.1.3 应该为了分析而分析169
15.1.4 应该学会分享169
15.1.5 应该期望数据科学家无所不能170
15.2 数据学家在机构中的位置170
15.3 最后的想法171
第16章 如何雇佣机器学习专家172
16.1 确定问题172
16.2 模型测试173
16.3 创建训练集174
16.4 选择特征175
16.5 数据编码176
16.6 训练集、测试集和解决方案集176
16.7 问题描述177
16.8 回答问题178
16.9 整合解决方案178
16.10 小结179
第17章 数据的可追踪性180
17.1 原因180
17.2 个人经验181
17.2.1 快照181
17.2.2 保存数据源181
17.2.3 衡量数据源182
17.2.4 逆向恢复数据182
17.2.5 分阶段处理数据并保持各阶段的独立性182
17.2.6 识别根源183
17.2.7 寻找要完善的区域183
17.3 不变性：从函数程序设计借来的理念183
17.4 案例184
17.4.1 网络爬虫184
17.4.2 改变185
17.4.3 聚类185
17.4.4 普及度185
17.5 小结186
第18章 社交媒体：是可抹去的印记吗187
18.1 社交媒体：到底是谁的数据188
18.2 管控188
18.3 商业重组190
18.4 对沟通和表达的期望190
18.5 新的最终用户期望的技术含义192
18.6 这个行业是做什么的194
18.6.1 验证API195
18.6.2 更新通知API195
18.7 最终用户做什么195
18.8 我们怎样一起工作196
第19章 揭秘数据质量分析：了解什么时候数据足够优质197
19.1 框架介绍：数据质量分析的4个C198
19.1.1 完整性199
19.1.2 一致性201
19.1.3 准确性203
19.1.4 可解释性205
19.2 结论208
主编推荐
精彩内容
随着数据科学的热门，数据的优化、整理以及如何处理不良数据成为人们关注的重点。本书通过处理不良数据，进行数据清理的案例，向读者展示了处理数据的方法。
本书共有19章，从6部分向读者展示了使用和清理不良数据背后的理论和实践。第1部分是Grubby的动手实践指南，它向读者介绍了驾驭、提取数据的方法，如何处理文本数据中的数据以及Web开发中碰到的数据问题。第2部分是让人充满意外的数据，它向读者介绍了数据也会“撒谎”。第3部分是方法，它向读者介绍了处理不良数据的一些方法。第4部分是数据存储和基础设施，它向读者介绍了如何存储数据。第5部分是数据的商业化，它向读者介绍了如何避免数据处理的一些误差。第6部分是数据策略，它向读者介绍了如何追踪数据、评估数据质量以及构建数据质量相关平台等。
本书适合数据科学家、数据处理和整理相关开发人员阅读。也适合想要进入数据处理领域的读者阅读。
媒体评论
作者携手数据领域的强大智囊团为读者贡献的一本处理噪音数据的指南。
本书囊括众多真实世界的应用案例以及高水平的方法和策略。
本书汇集国外数据社区的技术骨干和活跃分子的集体智慧，多位数据领域的专家共同揭示了如何处理棘手的数据问题的奥秘。
噪音数据就是那些\"给你惹麻烦的数据\"，从蹩脚的存储到糟糕的说明，再到令人误解的策略，有多重情况可能导致噪音数据。
那么什么才是决定性因素呢 有人认为是技术方面的问题，比如缺失值或格式不对的记录，但是噪音数据包含更多的问题。
本书介绍了多种有效的方式来应对噪音数据。在本书中，多位数据领域的专家共同揭示了如何处理棘手的数据问题的奥秘。
通过阅读本书，你将学会：
测试你的数据，判断它是否适合分析；
将电子表格数据转变成可用的格式；
处理潜藏在文本数据里的编码问题；
进行一种成功的网络搜集尝试；
利用自然语言处理（NLP, Natural Language Processing）工具揭露线上评论的真实情感；
处理可以影响分析工作的云计算问题；
避免那些制造数据分析障碍的策略；
采用一种系统的数据质量分析方法。
— 没有更多了 —
以下为对购买帮助不大的评价