Spark?SQL是Spark用于处理结构化数据的一个模块。本书共8章内容，由浅入深地讲解Spark?SQL的基础知识、安装部署、编程基础、编程进阶、函数、性能调优技巧以及编程实践等知识。通过本书的学习，读者能够掌握Spark?SQL核心技术。本书每章安排了习题和总结，以便使读者能更好地学习和更牢固地掌握Spark?SQL编程方法。此外，本书还提供了PPT教学课件、源代码等配套资源，供使用本书的读者下载。 本书可作为高等学校大数据、计算机、统计相关专业学生的大数据进阶课程的教材，也可供相关技术人员学习参考。

作为计算框架，Spark速度快，开发简单，能同时兼顾批处理和实时数据分析，因此很快被广大企业级用户所采纳，并随着近年人工智能的崛起而成为分析和挖掘大数据的重要得力工具。 本书由业内知名数据科学家执笔，通过丰富的示例展示了如何结合Spark、统计方法和真实世界数据集来解决数据分析问题，既涉及模型的构建和评价，也涵盖数据清洗、数据预处理和数据探索，并描述了如何将结果变为生产应用，是运用Apache Spark进行大数据分析和处理的实战宝典。 第2版根据新版Spark最佳实践，对样例代码和所用资料做了大量更新。 本书涵盖模式如下： ● 音乐推荐和Audioscrobbler数据集 ● 用决策树算法预测森林植被 ● 基于K均值聚类进行网络流量异常检测 ● 基于潜在语义算法分析维基百科 ● 用GraphX分析伴生网络 ● 对纽约出租车轨迹进行空间和时间数据分析...(展开全部)

Sandy Ryza 是Cloudera公司资深数据科学家，Apache Spark项目的活跃代码贡献者。最近领导了Cloudera公司的Spark开发工作。他还是Hadoop项目管理委员会委员。 Uri Laserson 是Cloudera公司资深数据科学家，专注于Hadoop生态系统中的Python部分。 Sean Owen 是Cloudera公司EMEA地区的数据科学总监，也是Apache Spark项目的代码提交者。他创立了基于Spark、Spark Streaming和Kafka的Hadoop实时大规模学习项目Oryx（之前称为Myrrix）。 Josh Wills 是Cloudera公司的高级数据科学总监，Apache Crunch项目的发起者和副总裁。

《Spark SQL大数据分析快速上手》内容基于Spark新版本展开，符合企业目前开发需要。《Spark SQL大数据分析快速上手》全面讲解Spark SQL相关知识和实战应用，各章均提供较为丰富的案例及其详细的操作步骤，并配套示例源码、数据集、PPT课件和教学大纲。 《Spark SQL大数据分析快速上手》共10章。第1～3章为Spark SQL的基础准备部分，内容包括Spark SQL的发展和简介、Spark的典型数据容器及关系、Spark概述与环境搭建、Spark典型数据结构RDD；第4～7章为Spark SQL的基础应用部分，内容包括Spark SQL入门实战（包括Scala编程基础）、SQL基础语法、操作多数据源、Spark SQL性能调优等；第8～10章分别通过影评数据分析、商品统计数据分析、咖啡销售数据分析等3个实战项目进行巩固提升。 《Spark SQL大数据分析快速上手》内容翔实、示例丰富，既可作为Spark初学者、大数据分析人员、大数据应用开发人员的自学手册，也可作为高等院校或高职高专院校计算机、软件工程、数据科学与大数据技术、智能科学与技术、人工智能等专业大数据课程的教材。

本书从ChatGPT的基础原理讲起，逐步深入ChatGPT的基础使用和插件功能，并结合各种数据分析实战案例，重点介绍了ChatGPT在各种数据分析场景中的应用方法，让读者不但可以系统地学习ChatGPT相关知识，而且能对ChatGPT在数据分析中的实战应用有更为深入的理解。本书分为12章，涵盖的主要内容有：ChatGPT简介与基本原理；ChatGPT使用方法；ChatGPT插件应用；ChatGPT构建指标体系、ChatGPT 数据采集与清洗、ChatGPT探索性数据分析和可视化、ChatGPT推断性统计分析、ChatGPT预测分析、ChatGPT文本分析、ChatGPT分类和聚类分析、ChatGPT推荐算法、ChatGPT行业数据分析等的应用方法和实战项目案例。

Spark SQL是 Spark大数据框架的一部分，支持使用标准SQL查询和HiveQL来读写数据，可用于结构化数据处理，并可以执行类似SQL的Spark数据查询，有助于开发人员更快地创建和运行Spark程序。 全书分为4篇，共9章，第一篇讲解了Spark SQL 发展历史和开发环境搭建。第二篇讲解了Spark SQL 实例，使得读者掌握Spark SQL的入门操作，了解Spark RDD、DataFrame和DataSet，并熟悉 DataFrame 各种操作。第三篇讲解了基于WiFi探针的商业大数据分析项目，实例中包含数据采集、预处理、存储、利用Spark SQL 挖掘数据，一步一步带领读者学习Spark SQL强大的数据挖掘功能。第四篇讲解了Spark SQL 优化的知识。 本书适合Spark初学者、Spark数据分析人员以及Spark程序开发人员，也适合高校和培训学校相关专业的师生教学参考。

本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的入门级读者，还可助力数据分析从业者进行技术进阶。

本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的入门级读者，还可助力数据分析从业者进行技术进阶。

本书的主角是在大数据时代应运而生的数据处理与分析利器——Spark。你将通过丰富的示例学习如何使用Spark的结构化数据API，利用Spark SQL进行交互式查询，掌握Spark应用的优化之道，用Spark和Delta Lake等开源工具构建可靠的数据湖，并用MLlib库实现机器学习流水线。随着Spark从2.x版本升级到3.0版本，本书第2版做了全面的更新，以体现Spark生态系统在机器学习、流处理技术等方面的发展，另新增一章详解Spark 3.0引入的新特性。

毋庸置疑，数据已经成为现代化企业的重要资产，大数据分析技术则是企业挖掘数据价值的核心利器。一直以来，Spark就是大数据分析领域的佼佼者，也已经成为一站式大数据分析引擎的事实标准。 ◎ 编辑推荐 ☆ Databricks工程师诚意之作，比官方文档更实用的Spark入门教程 ☆ 前一版印刷32次，销量超6万册 ☆ 新版全面更新，覆盖Spark 3.0新特性 本书作者均来自Spark的母公司Databricks。他们将带你开始使用Spark，并了解如何利用它适应这个属于大数据和机器学习的新时代。第2版在第1版的基础上做了大量更新，涵盖Spark 3.0的新特性，并着重展示如何利用机器学习算法执行大数据分析。 ○ 学习使用Python、Java、Scala的结构化数据API ○ 理解Spark SQL引擎的原理 ○ 掌握Spark应用的优化技巧 ○ 了解如...(展开全部)