數(shù)據(jù)清洗

目 錄

前言
第1章 數(shù)據(jù)清洗基礎
11 數(shù)據(jù)清洗概述
111 數(shù)據(jù)清洗的定義
112 數(shù)據(jù)清洗的對象
113 數(shù)據(jù)清洗的原理
114 數(shù)據(jù)清洗的評估
115 數(shù)據(jù)清洗的框架模型
116 數(shù)據(jù)清洗研究與應用展望
117 數(shù)據(jù)清洗的行業(yè)發(fā)展
12 數(shù)據(jù)標準化
121 數(shù)據(jù)標準化簡介
122 數(shù)據(jù)標準化方法
123 數(shù)據(jù)標準化的實例
13 數(shù)據(jù)清洗的常用工具
14 實訓1 安裝和運行Kettle
15 實訓2 安裝和運行OpenRefine
16 實訓3 安裝和運行Python 3
17 小結
習題1
第2章 數(shù)據(jù)清洗方法
21 數(shù)據(jù)質量
211 數(shù)據(jù)質量的定義
212 數(shù)據(jù)質量中的常見術語
22 數(shù)據(jù)預處理
221 數(shù)據(jù)預處理簡介
222 數(shù)據(jù)預處理方法
23 數(shù)據(jù)清洗方法
231 數(shù)據(jù)缺失值的處理方法
232 噪聲數(shù)據(jù)的處理方法
233 冗余數(shù)據(jù)的處理方法
234 數(shù)據(jù)格式與內容的處理方法
24 數(shù)據(jù)清洗中的統(tǒng)計學基礎
25 實訓1 找出離群點
26 實訓2 找出統(tǒng)計對象
27 實訓3 找出數(shù)據(jù)清洗的步驟
28 實訓4 找出異常數(shù)據(jù)
29 小結
習題2
第3章 文件類型
31 文件格式
311 文件格式概述
312 Windows中常見的文件格式
32 數(shù)據(jù)類型與字符編碼
321 數(shù)據(jù)類型概述
322 字符編碼
323 用Python讀取文件
324 數(shù)據(jù)轉換
33 數(shù)據(jù)轉換的實現(xiàn)
331 用Python生成與讀取CSV文件
332 用Python讀取與轉換JSON文件
34 實訓1 將XML文件轉換為JSON文件
35 實訓2 將JSON文件轉換為CSV文件
36 小結
習題3
第4章 數(shù)據(jù)采集與抽取
41 數(shù)據(jù)采集概述
411 了解數(shù)據(jù)采集
412 日志數(shù)據(jù)采集與處理的常見方法
413 數(shù)據(jù)采集平臺
414 數(shù)據(jù)采集工具
42 網頁數(shù)據(jù)采集與實現(xiàn)
421 網絡爬蟲概述
422 網頁數(shù)據(jù)采集的實現(xiàn)
43 數(shù)據(jù)抽取
431 數(shù)據(jù)抽取概述
432 文本數(shù)據(jù)抽取
433 網頁數(shù)據(jù)抽取
44 實訓1 使用Kettle抽取本地XML文件
45 實訓2 使用Kettle抽取CSV數(shù)據(jù)并輸出為文本文件
46 小結
習題4
第5章 Excel數(shù)據(jù)清洗與轉換
51 Excel數(shù)據(jù)清洗概述
511 Excel簡介
512 Excel數(shù)據(jù)清洗與轉換方法
52 Excel數(shù)據(jù)清洗與轉換的實現(xiàn)
521 常用數(shù)據(jù)分析函數(shù)介紹
522 刪除重復行
523 文本查找和替換
524 數(shù)據(jù)替換
525 字符串截取
526 字母大小寫轉換
527 刪除空格和非打印字符
528 數(shù)字和數(shù)字符號的轉換
529 日期和時間處理
5210 合并和拆分列
5211 數(shù)據(jù)的轉置
5212 數(shù)據(jù)查詢和引用
53 實訓1 清洗簡單數(shù)據(jù)
54 實訓2 清洗復雜數(shù)據(jù)
55 小結
習題5
第6章 ETL數(shù)據(jù)清洗與轉換
61 數(shù)據(jù)倉庫與ETL
611 數(shù)據(jù)倉庫
612 ETL概述
62 Kettle數(shù)據(jù)清洗與轉換基礎
621 Kettle數(shù)據(jù)清洗
622 Kettle數(shù)據(jù)轉換
63 Kettle數(shù)據(jù)倉庫高級應用
64 實訓1 在Kettle中識別流的最后一行并寫入日志
65 實訓2 在Kettle中用正則表達式清洗數(shù)據(jù)
66 實訓3 使用Kettle過濾數(shù)據(jù)表
67 實訓4 使用Kettle生成隨機數(shù)并相加
68 小結
習題6
第7章 Python數(shù)據(jù)清洗
71 Python數(shù)據(jù)清洗基礎
711 Python語言基礎
712 Python數(shù)據(jù)清洗所用庫
72 數(shù)據(jù)讀寫、選擇、整理和描述
721 從CSV文件讀取數(shù)據(jù)
722 寫入數(shù)據(jù)到CSV文件
723 數(shù)據(jù)整理和描述
73 數(shù)據(jù)分組、分割、合并和變形
731 數(shù)據(jù)分組
732 數(shù)據(jù)分割
733 數(shù)據(jù)合并
734 數(shù)據(jù)變形
74 缺失值、異常值和重復值處理
741 缺失值處理
742 異常值檢測和過濾
743 移除重復數(shù)據(jù)
75 時間序列處理
751　Python的日期與時間工具
752 Pandas時間序列數(shù)據(jù)結構
76　字符串處理
761　Python字符串方法列表
762 Python正則表達式
763 Pandas的字符串方法
77 實訓1 清洗企業(yè)員工信息
78 實訓2 清洗在校生飲酒消費數(shù)據(jù)
79 小結
習題7
第8章 R語言數(shù)據(jù)清洗
81 R語言簡介
82 R語言基礎
821 R語言運算符號
822 R語言數(shù)據(jù)類型
83 R語言datatable數(shù)據(jù)包
831 datatable數(shù)據(jù)包介紹
832 創(chuàng)建datatable對象