数据清洗

图书标准信息

• 作者 黄源、涂旭东、罗少甫 著
• 出版社 机械工业出版社
• 出版时间 2020-07
• 版次 1
• ISBN 9787111657156
• 定价 49.90元
• 装帧 其他
• 开本 16开
• 页数 236页

【内容简介】

《数据清洗》主要介绍数据清洗技术的基本概念与应用。全书共有8章，分别讲述了数据清洗基础、数据清洗方法、文件类型、数据采集与抽取、Excel数据清洗与转换、ETL数据清洗与转换、Python数据清洗、R语言数据清洗。 
 《数据清洗》将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据清洗的相关技术。针对书中重要的、核心的知识点，提供了较多的练习，帮助读者达到熟练应用的目的。 
 《数据清洗》可作为高职高专院校大数据技术与应用、软件技术、信息管理、计算机网络等专业的专业课教材，也可作为大数据爱好者的参考书。

【作者简介】

黄源，重庆航天职业技术学院副教授，参加工作以来，一直从事计算机课程的教学与科研，公开发表科研，教改论文多篇，并于2013年获得副教授职称。积极参加学校的精品课程建设与微课改革，出版专著3部，以前参编的北大出版社《网页设计教程与实训》曾获教材一等奖。

【目录】

目 录 

前言 

第1章 数据清洗基础 

 11 数据清洗概述 

 111 数据清洗的定义 

 112 数据清洗的对象 

 113 数据清洗的原理 

 114 数据清洗的评估 

 115 数据清洗的框架模型 

 116 数据清洗研究与应用展望 

 117 数据清洗的行业发展 

 12 数据标准化 

 121 数据标准化简介 

 122 数据标准化方法 

 123 数据标准化的实例 

 13 数据清洗的常用工具 

 14 实训1 安装和运行Kettle 

 15 实训2 安装和运行OpenRefine 

 16 实训3 安装和运行Python 3 

 17 小结 

 习题1 

第2章 数据清洗方法 

 21 数据质量 

 211 数据质量的定义 

 212 数据质量中的常见术语 

 22 数据预处理 

 221 数据预处理简介 

 222 数据预处理方法 

 23 数据清洗方法 

 231 数据缺失值的处理方法 

 232 噪声数据的处理方法 

 233 冗余数据的处理方法 

 234 数据格式与内容的处理方法 

 24 数据清洗中的统计学基础 

 25 实训1 找出离群点 

 26 实训2 找出统计对象 

 27 实训3 找出数据清洗的步骤 

 28 实训4 找出异常数据 

 29 小结 

 习题2 

第3章 文件类型 

 31 文件格式 

 311 文件格式概述 

 312 Windows中常见的文件格式 

 32 数据类型与字符编码 

 321 数据类型概述 

 322 字符编码 

 323 用Python读取文件 

 324 数据转换 

 33 数据转换的实现 

 331 用Python生成与读取CSV文件 

 332 用Python读取与转换JSON文件 

 34 实训1 将XML文件转换为JSON文件 

 35 实训2 将JSON文件转换为CSV文件 

 36 小结 

 习题3 

第4章 数据采集与抽取 

 41 数据采集概述 

 411 了解数据采集 

 412 日志数据采集与处理的常见方法 

 413 数据采集平台 

 414 数据采集工具 

 42 网页数据采集与实现 

 421 网络爬虫概述 

 422 网页数据采集的实现 

 43 数据抽取 

 431 数据抽取概述 

 432 文本数据抽取 

 433 网页数据抽取 

 44 实训1 使用Kettle抽取本地XML文件 

 45 实训2 使用Kettle抽取CSV数据并输出为文本文件 

 46 小结 

 习题4 

第5章 Excel数据清洗与转换 

 51 Excel数据清洗概述 

 511 Excel简介 

 512 Excel数据清洗与转换方法 

 52 Excel数据清洗与转换的实现 

 521 常用数据分析函数介绍 

 522 删除重复行 

 523 文本查找和替换 

 524 数据替换 

 525 字符串截取 

 526 字母大小写转换 

 527 删除空格和非打印字符 

 528 数字和数字符号的转换 

 529 日期和时间处理 

 5210 合并和拆分列 

 5211 数据的转置 

 5212 数据查询和引用 

 53 实训1 清洗简单数据 

 54 实训2 清洗复杂数据 

 55 小结 

 习题5 

第6章 ETL数据清洗与转换 

 61 数据仓库与ETL 

 611 数据仓库 

 612 ETL概述 

 62 Kettle数据清洗与转换基础 

 621 Kettle数据清洗 

 622 Kettle数据转换 

 63 Kettle数据仓库高级应用 

 64 实训1 在Kettle中识别流的最后一行并写入日志 

 65 实训2 在Kettle中用正则表达式清洗数据 

 66 实训3 使用Kettle过滤数据表 

 67 实训4 使用Kettle生成随机数并相加 

 68 小结 

 习题6 

第7章 Python数据清洗 

 71 Python数据清洗基础 

 711 Python语言基础 

 712 Python数据清洗所用库 

 72 数据读写、选择、整理和描述 

 721 从CSV文件读取数据 

 722 写入数据到CSV文件 

 723 数据整理和描述 

 73 数据分组、分割、合并和变形 

 731 数据分组 

 732 数据分割 

 733 数据合并 

 734 数据变形 

 74 缺失值、异常值和重复值处理 

 741 缺失值处理 

 742 异常值检测和过滤 

 743 移除重复数据 

 75 时间序列处理 

 751 Python的日期与时间工具 

 752 Pandas时间序列数据结构 

 76 字符串处理 

 761 Python字符串方法列表 

 762 Python正则表达式 

 763 Pandas的字符串方法 

 77 实训1 清洗企业员工信息 

 78 实训2 清洗在校生饮酒消费数据 

 79 小结 

 习题7 

第8章 R语言数据清洗 

 81 R语言简介 

 82 R语言基础 

 821 R语言运算符号 

 822 R语言数据类型 

 83 R语言datatable数据包 

 831 datatable数据包介绍 

 832 创建datatable对象