Python数据处理 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:人民邮电出版社

作者:[美] 杰奎琳·凯泽尔凯瑟琳?贾缪尔

出品人:

页数:378

译者:张　亮

出版时间:2017-6-1

价格:CNY 99.00

装帧:平装

isbn号码:9787115459190

丛书系列:图灵程序设计丛书·Python系列

图书标签:

数据分析
python
Python
编程
计算机
数据处理
爬虫
机器学习
Python
数据处理
Pandas
NumPy
数据分析
数据清洗
数据可视化
机器学习
数据挖掘
实战
教程

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

作者简介

作者简介：

Jacqueline Kazil

数据科学家，资深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。

Katharine Jarmul

资深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。

译者简介：

张亮（hysic）

毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。

吕家明

2016年毕业于哈尔滨工业大学，现就职于腾讯，从事搜索、Query分析等相关工作，熟悉大规模数据下的数据挖掘和机器学习实践。

目录信息

前言　　xiii
第1章　Python 简介　　1
1.1　为什么选择Python　　4
1.2　开始使用Python　　4
1.2.1　Python 版本选择　　5
1.2.2　安装Python　　6
1.2.3　测试Python　　9
1.2.4　安装pip　　11
1.2.5　安装代码编辑器　　12
1.2.6　安装IPython（可选）　　13
1.3　小结　　13
第2章　Python 基础　　14
2.1　基本数据类型　　15
2.1.1　字符串　　15
2.1.2　整数和浮点数　　15
2.2　数据容器　　18
2.2.1　变量　　18
2.2.2　列表　　21
2.2.3　字典　　22
2.3　各种数据类型的用途　　23
2.3.1　字符串方法：字符串能做什么　　24
2.3.2　数值方法：数字能做什么　　25
2.3.3　列表方法：列表能做什么　　26
2.3.4　字典方法：字典能做什么　　27
2.4　有用的工具：type、dir 和help　　28
2.4.1　type　　28
2.4.2　dir　　28
2.4.3　help　　30
2.5　综合运用　　31
2.6　代码的含义　　32
2.7　小结　　33
第3章　供机器读取的数据　　34
3.1　CSV 数据　　35
3.1.1　如何导入CSV 数据　　36
3.1.2　将代码保存到文件中并在命令行中运行　　39
3.2　JSON 数据　　41
3.3　XML 数据　　44
3.4　小结　　56
第4章　处理Excel 文件　　58
4.1　安装Python 包　　58
4.2　解析Excel 文件　　59
4.3　开始解析　　60
4.4　小结　　71
第5章　处理PDF 文件，以及用Python 解决问题　　73
5.1　尽量不要用PDF　　73
5.2　解析PDF 的编程方法　　74
5.2.1　利用slate 库打开并读取PDF　　75
5.2.2　将PDF 转换成文本　　77
5.3　利用pdfminer 解析PDF　　78
5.4　学习解决问题的方法　　92
5.4.1　练习：使用表格提取，换用另一个库　　94
5.4.2　练习：手动清洗数据　　98
5.4.3　练习：试用另一种工具　　98
5.5　不常见的文件类型　　101
5.6　小结　　101
第6章　数据获取与存储　　103
6.1　并非所有数据生而平等　　103
6.2　真实性核查　　104
6.3　数据可读性、数据清洁度和数据寿命　　105
6.4　寻找数据　　105
6.4.1　打电话　　105
6.4.2　美国政府数据　　106
6.4.3　全球政府和城市开放数据　　107
6.4.4　组织数据和非政府组织数据　　109
6.4.5　教育数据和大学数据　　109
6.4.6　医学数据和科学数据　　109
6.4.7　众包数据和API　　110
6.5　案例研究：数据调查实例　　111
6.5.1　埃博拉病毒危机　　111
6.5.2　列车安全　　111
6.5.3　足球运动员的薪水　　112
6.5.4　童工　　112
6.6　数据存储　　113
6.7　数据库简介　　113
6.7.1　关系型数据库：MySQL 和PostgreSQL　　114
6.7.2　非关系型数据库：NoSQL　　116
6.7.3　用Python 创建本地数据库　　117
6.8　使用简单文件　　118
6.8.1　云存储和Python　　118
6.8.2　本地存储和Python　　119
6.9　其他数据存储方式　　119
6.10　小结　　119
第7章　数据清洗：研究、匹配与格式化　　121
7.1　为什么要清洗数据　　121
7.2　数据清洗基础知识　　122
7.2.1　找出需要清洗的数据　　123
7.2.2　数据格式化　　131
7.2.3　找出离群值和不良数据　　135
7.2.4　找出重复值　　140
7.2.5　模糊匹配　　143
7.2.6　正则表达式匹配　　146
7.2.7　如何处理重复记录　　150
7.3　小结　　151
第8章　数据清洗：标准化和脚本化　　153
8.1　数据归一化和标准化　　153
8.2　数据存储　　154
8.3　找到适合项目的数据清洗方法　　156
8.4　数据清洗脚本化　　157
8.5　用新数据测试　　170
8.6　小结　　172
第9章　数据探索和分析　　173
9.1　探索数据　　173
9.1.1　导入数据　　174
9.1.2　探索表函数　　179
9.1.3　联结多个数据集　　182
9.1.4　识别相关性　　186
9.1.5　找出离群值　　187
9.1.6　创建分组　　189
9.1.7　深入探索　　192
9.2　分析数据　　193
9.2.1　分离和聚焦数据　　194
9.2.2　你的数据在讲什么　　196
9.2.3　描述结论　　196
9.2.4　将结论写成文档　　197
9.3　小结　　197
第10章　展示数据　　199
10.1　避免讲故事陷阱　　199
10.1.1　怎样讲故事　　200
10.1.2　了解听众　　200
10.2　可视化数据　　201
10.2.1　图表　　201
10.2.2　时间相关数据　　207
10.2.3　地图　　208
10.2.4　交互式元素　　211
10.2.5　文字　　212
10.2.6　图片、视频和插画　　212
10.3　展示工具　　213
10.4　发布数据　　213
10.4.1　使用可用站点　　213
10.4.2　开源平台：创建一个新网站　　215
10.4.3　Jupyter（曾名IPython notebook）　　216
10.5　小结　　219
第11章　网页抓取：获取并存储网络数据　　221
11.1　抓取什么和如何抓取　　221
11.2　分析网页　　223
11.2.1　检视：标记结构　　224
11.2.2　网络/ 时间线：页面是如何加载的　　230
11.2.3　控制台：同JavaScript 交互　　232
11.2.4　页面的深入分析　　236
11.3　得到页面：如何通过互联网发出请求　　237
11.4　使用Beautiful Soup 读取网页　　238
11.5　使用lxml 读取网页　　241
11.6　小结　　249
第12章　高级网页抓取：屏幕抓取器与爬虫　　251
12.1　基于浏览器的解析　　251
12.1.1　使用Selenium 进行屏幕读取　　252
12.1.2　使用Ghost.py 进行屏幕读取　　260
12.2　爬取网页　　266
12.2.1　使用Scrapy 创建一个爬虫　　266
12.2.2　使用Scrapy 爬取整个网站　　273
12.3　网络：互联网的工作原理，以及为什么它会让脚本崩溃　　281
12.4　变化的互联网（或脚本为什么崩溃）　　283
12.5　几句忠告　　284
12.6　小结　　284
第13章　应用编程接口　　286
13.1　API 特性　　287
13.1.1　REST API 与流式API　　287
13.1.2　频率限制　　287
13.1.3　分级数据卷　　288
13.1.4　API key 和token　　289
13.2　一次简单的Twitter REST API 数据拉取　　290
13.3　使用Twitter REST API 进行高级数据收集　　292
13.4　使用Twitter 流式API 进行高级数据收集　　295
13.5　小结　　297
第14章　自动化和规模化　　298
14.1　为什么要自动化　　298
14.2　自动化步骤　　299
14.3　什么会出错　　301
14.4　在哪里自动化　　302
14.5　自动化的特殊工具　　303
14.5.1　使用本地文件、参数及配置文件　　303
14.5.2　在数据处理中使用云　　308
14.5.3　使用并行处理　　310
14.5.4　使用分布式处理　　312
14.6　简单的自动化　　313
14.6.1　CronJobs　　314
14.6.2　Web 接口　　316
14.6.3　Jupyter notebook　　316
14.7　大规模自动化　　317
14.7.1　Celery：基于队列的自动化　　317
14.7.2　Ansible：操作自动化　　318
14.8　监控自动化程序　　319
14.8.1　Python 日志　　320
14.8.2　添加自动化信息　　322
14.8.3　上传和其他报告　　326
14.8.4　日志和监控服务　　327
14.9　没有万无一失的系统　　328
14.10　小结　　328
第15章　结论　　330
15.1　数据处理者的职责　　330
15.2　数据处理之上　　331
15.2.1　成为一名更优秀的数据分析师　　331
15.2.2　成为一名更优秀的开发者　　331
15.2.3　成为一名更优秀的视觉化讲故事者　　332
15.2.4　成为一名更优秀的系统架构师　　332
15.3　下一步做什么　　332
附录A　编程语言对比　　334
附录B　初学者的Python 学习资源　　336
附录C　学习命令行　　338
附录D　高级Python 设置　　349
附录E　Python 陷阱　　361
附录F　IPython 指南　　370
附录G　使用亚马逊网络服务　　374
关于作者　　378
关于封面　　378
· · · · · · (收起)

读后感

评分☆☆☆☆☆

都已经是2017的新书了，python官方也宣布于某年停更python2了，为什么这本书还要用python2来讲解？纳闷！urllib都合并为一个了，还在讲urllib2。找一本老外写的python3爬虫真的那么难吗？内容倒挺不错，讲解得很细！（我看的是试读版，只有前面的几十页）

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

阅读体验方面，这本书的排版简直是业界良心之作。行距、字号的设置都非常舒适，长时间阅读下来眼睛的疲劳感明显减轻。更重要的是，代码示例的展示方式极其清晰，通常是左侧是解释性的文字，右侧是完整的、可直接运行的代码块，并且关键部分的注释非常到位。这极大地减少了读者在对照理论和实践时来回切换的认知负荷。我期待看到更多针对现代数据架构的解决方案，比如如何结合分布式计算框架进行高效的数据聚合和转换。如果书中能针对不同复杂度的业务场景，提供一系列“最佳实践”的Checklist，那这本书的实用价值将得到质的飞跃。目前来看，这种对阅读细节的关注，已经为我接下来的学习打下了坚实的基础。

评分☆☆☆☆☆

我花了相当长的时间浏览了这本书的引言和前几章的概览，发现作者在构建知识体系时，似乎采取了一种“由浅入深，循序渐进”的教学策略。这种安排对于我这种已经有一定编程基础，但希望系统性梳理数据处理知识体系的读者来说，无疑是高效的学习路径。尤其欣赏的是，它似乎并没有回避一些初学者可能会感到畏惧的底层原理的阐述，而是用非常清晰的比喻和图示来解释这些概念，这点非常难得。很多同类书籍要么过于理论化，让人望而却步，要么过于碎片化，缺乏整体的连贯性。这本书如果能保持这种平衡，持续深入讲解如何构建健壮的数据管道，那么它将成为我案头必备的工具书。我个人非常关注性能优化方面的内容，期待它能深入剖析不同算法在处理大规模数据时的效率差异及相应的优化技巧。

评分☆☆☆☆☆

这本书的装帧设计非常吸引人，封面的配色和字体选择透露出一种专业与亲和力的完美结合。刚拿到手的时候，我就被它那种沉甸甸的质感所打动，这让我对里面的内容充满了期待。我通常选购技术书籍会非常注重其实用性和前沿性，而这本书从目录上看，似乎覆盖了数据处理领域中一些非常核心且实用的技术栈。我特别留意了关于数据清洗和可视化的章节，因为这正是我目前工作中最常遇到的瓶颈所在。如果书中的案例能够紧密结合实际生产环境中的复杂数据结构，而不是仅仅停留在教科书式的简单数据集上，那它无疑会是一本极具价值的参考资料。希望它能提供一些独到的见解，帮助我优化现有的数据流程，提升处理效率。总而言之，从初印象来看，这本书的硬件指标和初步内容布局都给我留下了非常积极的信号，让我迫不及待地想深入其中一探究竟，看看它在理论深度和实践指导上能达到何种水准。

评分☆☆☆☆☆

从一个资深数据分析师的角度审视，我更关注的是这本书对于前沿工具链的兼容性和整合能力。现如今的数据生态系统变化极快，如果一本书的内容仅仅停留在几年前的主流工具上，那它的生命力会大打折扣。我希望看到它如何整合最新的云原生数据服务，以及如何处理非结构化数据的挑战。例如，书中是否有对现代流处理范式的深入探讨？或者，对于数据治理和元数据管理这些日益重要的环节，是否有给出切实可行的操作指南？如果它能提供跨平台、跨语言的数据集成方案，哪怕只是作为一个概览性的章节，也会让这本书的价值远超一般的入门指南，使其成为一个真正的“现代数据处理手册”。这本书的气质似乎指向了这一点，期待它能兑现这种雄心。

评分☆☆☆☆☆

这本书的理论深度和广度似乎达到了一个很高的水准，但更让我感到惊喜的是，它在“错误处理与调试”这一块似乎给予了额外的篇幅。在真实的数据处理工作中，数据质量问题和异常流程远比编写第一个Hello World复杂得多。如果作者能够分享一些处理“脏数据”的实战经验，比如如何优雅地回滚失败的批处理作业，或者如何构建自愈合的数据管道，那这本书的实用价值将是无可替代的。我特别希望看到一些关于异常日志分析和预防性维护的章节。通常，技术书籍会把这些“不那么光鲜”但至关重要的部分一带而过，而这本书如果能扎实地覆盖这些内容，无疑将成为领域内一本里程碑式的著作，因为它真正触及了从开发到运维的完整生命周期。

评分☆☆☆☆☆

很全面却过于走马观花。我也走马观花过了一遍，收获不多，适合新手

评分☆☆☆☆☆

！！！

评分☆☆☆☆☆

后面看，还是先听课吧

评分☆☆☆☆☆

前几个月准备写爬虫时读过。20171230

评分☆☆☆☆☆

本书立意相当的高，举例相对少。想知道不用pandas和numpy如何进行数据采集和数据预处理吗，那就是这本书了。但本书难度曲线在从某个地方开始突然很陡峭，还介绍了一些不常见的库，不适合入门。