命令行中的數(shù)據(jù)科學(xué)

前言
第1章 簡介　
　1.1　概述　
　1.2　數(shù)據(jù)科學(xué)就是OSEMN　
　1.2.1　數(shù)據(jù)獲取　
　1.2.2　數(shù)據(jù)清洗　
　1.2.3　數(shù)據(jù)探索　
　1.2.4　數(shù)據(jù)建?！?br /> 　1.2.5　數(shù)據(jù)解釋　
　1.3　插入的幾章　
　1.4　什么是命令行　
　1.5　為什么用命令行做數(shù)據(jù)科學(xué)工作　
　1.5.1　命令行的靈活性　
　1.5.2　命令行可增強　
　1.5.3　命令行可擴展　
　1.5.4　命令行可擴充　
　1.5.5　命令行無處不在　
　1.6　一個現(xiàn)實用例　
　1.7　延伸閱讀　
第2章 入門指南　
　2.1　概述　
　2.2　設(shè)置數(shù)據(jù)科學(xué)工具箱　
　2.2.1　步驟1：下載和安裝VirtualBox　
　2.2.2　步驟2：下載和安裝Vagrant　
　2.2.3　步驟3：下載并啟動數(shù)據(jù)科學(xué)工具箱　
　2.2.4　步驟4：登錄（Linux 和Mac OS X）　
　2.2.5　步驟4：登錄（微軟Windows）　
　2.2.6　步驟5：關(guān)閉或重啟　
　2.3　必要的概念和工具　
　2.3.1　環(huán)境　
　2.3.2　運行命令行工具　
　2.3.3　五類命令行工具　
　2.3.4　命令行工具的組合　
　2.3.5　輸入和輸出重定向　
　2.3.6　處理文件　
　2.3.7　尋求幫助　
　2.4　延伸閱讀　
第3章 數(shù)據(jù)獲取　
　3.1　概述　
　3.2　將本地文件復(fù)制到數(shù)據(jù)科學(xué)工具箱　
　3.2.1　本地數(shù)據(jù)科學(xué)工具箱　
　3.2.2　遠程數(shù)據(jù)科學(xué)工具箱　
　3.3　解壓縮文件　
　3.4　微軟Excel 電子表格的轉(zhuǎn)換　
　3.5　查詢關(guān)系數(shù)據(jù)庫　
　3.6　從互聯(lián)網(wǎng)下載　
　3.7　調(diào)用Web API　
　3.8　延伸閱讀　
第4章 創(chuàng)建可重用的命令行工具　
　4.1　概述　
　4.2　將單行轉(zhuǎn)變?yōu)閟hell 腳本　
　4.2.1　步驟1：復(fù)制和粘貼　
　4.2.2　步驟2：添加執(zhí)行權(quán)限　
　4.2.3　步驟3：定義shebang　
　4.2.4　步驟4：刪除固定的輸入　
　4.2.5　步驟5：參數(shù)化　
　4.2.6　步驟6：擴展PATH　
　4.3　用Python 和R 創(chuàng)建命令行工具　
　4.3.1　移植shell 腳本　
　4.3.2　處理來自標準輸入的流數(shù)據(jù)　
　4.4　延伸閱讀　
第5章 數(shù)據(jù)清洗　
　5.1　概述　
　5.2　純文本的常見清洗操作　
　5.2.1　行過濾　
　5.2.2　值提取　
　5.2.3　值替換和刪除　
　5.3　處理CSV　
　5.3.1　主體、頭部和列　
　5.3.2　對CSV 執(zhí)行SQL 查詢　
　5.4　處理HTML/XML 和JSON　
　5.5　CSV 的常見清洗操作　
　5.5.1　列的提取和重排序　
　5.5.2　行過濾　
　5.5.3　列合并　
　5.5.4　多個CSV 文件的合并　
　5.6　延伸閱讀　
第6章 管理數(shù)據(jù)工作流　
　6.1　概述　
　6.2　Drake 簡介　
　6.3　Drake 的安裝　
　6.4　獲取古騰堡計劃中下載最多的電子書　
　6.5　所有工作流都從單個步驟開始　
　6.6　具體情況具體對待　
　6.7　重新構(gòu)建具體目標　
　6.8　討論　
　6.9　延伸閱讀　
第7章 數(shù)據(jù)探索　
　7.1　概述　
　7.2　檢查數(shù)據(jù)及其屬性　
　7.2.1　確定有無數(shù)據(jù)頭　
　7.2.2　檢查所有數(shù)據(jù)　
　7.2.3　特征名稱和數(shù)據(jù)類型　
　7.2.4　唯一標識、連續(xù)變量和因子　
　7.3　計算描述性統(tǒng)計信息　
　7.3.1　使用csvstat　
　7.3.2　在命令行中通過Rio 使用R　
　7.4　生成可視化圖形　
　7.4.1　介紹Gunplot 和feedgnuplot　
　7.4.2　介紹ggplot2　
　7.4.3　直方圖　
　7.4.4　條形圖　
　7.4.5　密度圖　
　7.4.6　箱線圖　
　7.4.7　散點圖　
　7.4.8　折線圖　
　7.4.9　總結(jié)　
　7.5　延伸閱讀　
第8章 并行管道　
　8.1　概述　
　8.2　串行處理　
　8.2.1　對數(shù)字進行遍歷　
　8.2.2　對行進行遍歷　
　8.2.3　對文件進行遍歷　
　8.3　并行處理　
　8.3.1　GNU Parallel 介紹　
　8.3.2　指定輸入　
　8.3.3　控制并發(fā)任務(wù)的個數(shù)　
　8.3.4　記錄日志和輸出　
　8.3.5　創(chuàng)建并行工具　
　8.4　分布式處理　
　8.4.1　獲得運行中的AWS EC2 實例列表　
　8.4.2　在遠程機器上運行命令　
　8.4.3　在遠程機器間分發(fā)本地數(shù)據(jù)　
　8.4.4　在遠程機器上處理文件　
　8.5　討論　
　8.6　延伸閱讀　
第9章 數(shù)據(jù)建?！?br /> 　9.1　概述　
　9.2　更多的酒，來吧！　
　9.3　用Tapkee 降維　
　9.3.1　介紹Tapkee　
　9.3.2　安裝Tapkee　
　9.3.3　線性和非線性映射　
　9.4　用Weka 聚類　
　9.4.1　介紹Weka　
　9.4.2　在命令行里改進Weka　
　9.4.3　在CSV 和ARFF 格式之間轉(zhuǎn)換　
　9.4.4　比較三種聚類算法　
　9.5　通過SciKit-Learn Laboratory 進行回歸　
　9.5.1　準備數(shù)據(jù)　
　9.5.2　運行實驗　
　9.5.3　解析結(jié)果　
　9.6　用BigML 分類　
　9.6.1　生成均衡的訓(xùn)練和測試數(shù)據(jù)集　
　9.6.2　調(diào)用API　
　9.6.3　檢查結(jié)果　
　9.6.4　小結(jié)　
　9.7　延伸閱讀　
第10章 總結(jié)　
　10.1　讓我們回顧一下
　10.2　三條建議　
　10.2.1　有耐心　
　10.2.2　有所創(chuàng)新　
　10.2.3　肯于實踐　
　10.3　接下來做什么　
　10.3.1　API　
　10.3.2　shell 編程　
　10.3.3　Python、R 和SQL　
　10.3.4　數(shù)據(jù)解釋　
　10.4　聯(lián)系方式　
　附錄A　命令行工具列表　
　附錄B　參考文獻　
　作者介紹　
　封面介紹