在大数据、人工智能时代，数据分析必不可少。本书以数据分析中至关重要的数据预处理为主题，通过54道例题具体介绍了基于SQL、R、Python的处理方法和相关技巧。全书共4个部分：第1部分介绍预处理的基础知识；第2部分介绍以数据结构为对象的预处理，包括数据提取、数据聚合、数据连接、数据拆分、数据生成和数据扩展；第3部分介绍以数据内容为对象的预处理，涉及数值型、分类型、日期时间型、字符型和位置信息型；第4部分为预处理实战，介绍与实际业务相同的预处理流程。 本书适合新手数据科学家、系统工程师、具备编程及数理基础的技术人才，以及对数据挖掘和数据分析等感兴趣的人阅读。

数据预处理在大数据和人工智能方面有着广泛的应用,本书结合理论和工程应用循序渐进地介绍数据预处理技术，内容包括：网络爬虫、数据采集与存储、python数据处理库、信息格式化抽取、数据清洗、数据集成、特征向量化、特征降维、可视化技术、数据预处理在实际项目中的应用及其深度学习技术进行数据预处理。本书的特点是示例代码丰富，实用性和系统性较强，适合于大数据从业者、AI技术开发人员、培训机构及大专院校相关专业的教学参考书。

R语言是一个自由、免费、源代码开放的编程语言和开发环境，它提供了强大的数据分析功能和丰富的数据可视化手段。随着数据科学的快速发展，R语言已经成为数据分析领域炙手可热的通用语言。

本书较为全面地介绍了定向爬虫的开发过程、各种反爬虫机制的破解方法和爬虫开发的相关技巧。全书共13章，包括绪论、Python基础、正则表达式与文件操作、简单的网页爬虫开发、高性能HTML内容解析、Python与数据库、异步加载与请求头、模拟登录与验证码、抓包与中间人爬虫、Android原生App爬虫、Scrapy、Scrapy应用、爬虫开发中的法律和道德问题等。除第 1、12、13章外的其他章末尾都有动手实践，以帮助读者巩固本章和前面章节所学的内容。

本书较为全面地介绍了定向爬虫的开发过程、各种反爬虫机制的破解方法和爬虫开发的相关技巧。全书共13章，包括绪论、Python基础、正则表达式与文件操作、简单的网页爬虫开发、高性能HTML内容解析、Python与数据库、异步加载与请求头、模拟登录与验证码、抓包与中间人爬虫、Android原生App爬虫、Scrapy、Scrapy应用、爬虫开发中的法律和道德问题等。除第 1、12、13章外的其他章末尾都有动手实践，以帮助读者巩固本章和前面章节所学的内容。

本书是写给非IT领域职场办公人员的Python数据处理指南。因为本书面对的不是专业的程序员，所以在叙述上通俗易懂。为了让读者在学习时对Python的知识点有更深刻的印象，书本采用了即学即用的写作方式：在介绍知识点的同时，及时将知识点穿插到案例应用中。而案例应用采用“提出要解决的问题→找到解决问题的思路→展示完成前后的对比效果→提供解决问题的代码→逐步分析代码”的方式进行讲解，使读者既学会了Python的知识点，也厘清了解决问题的思路，同时掌握了代码的编写技巧。本书主要内容包括Python基础、Python第三方库、循环语句与分支语句、字符串处理技术、列表处理技术、元组处理技术、字典处理技术、集合处理技术、Python自定义函数、常用高阶函数应用、openpyxl库及Python与Excel综合应用案例。

本书是写给非IT领域职场办公人员的Python数据处理指南。因为本书面对的不是专业的程序员，所以在叙述上通俗易懂。为了让读者在学习时对Python的知识点有更深刻的印象，书本采用了即学即用的写作方式：在介绍知识点的同时，及时将知识点穿插到案例应用中。而案例应用采用“提出要解决的问题→找到解决问题的思路→展示完成前后的对比效果→提供解决问题的代码→逐步分析代码”的方式进行讲解，使读者既学会了Python的知识点，也厘清了解决问题的思路，同时掌握了代码的编写技巧。本书主要内容包括Python基础、Python第三方库、循环语句与分支语句、字符串处理技术、列表处理技术、元组处理技术、字典处理技术、集合处理技术、Python自定义函数、常用高阶函数应用、openpyxl库及Python与Excel综合应用案例。

本书首先讲解Pandas快速入门的基础知识，如Pandas的定义、可处理的数据类型、优势、开发环境配置、常用的数据结构等；然后通过实例剖析讲解Pandas数据的导入、导出、查看、清洗、合并、对比、预处理；接着讲解Pandas数据的提取、筛选、汇总、统计及可视化；然后讲解Pandas数据的线性模型和广义线性模型，最后讲解Pandas数据实战分析。 在讲解过程中即考虑读者的学习习惯，又通过具体实例剖析讲解Pandas实战应用中的热点问题、关键问题及种种难题。

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“数据科学应用”有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，也适合作为企事业单位数字化人才培养的教科书与工具书。此外，还可以作为职场人士提升数据处理与分析挖掘能力，提高工作效能和绩效水平的自学Python数据科学应用的工具书。

随着数据存储、数据处理等大数据技术的快速发展，数据科学在各行各业得到广泛的应用。数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。本书将“Python课程学习”与“数据科学应用”有机结合，为数字化人才的培养助力。 全书共分13章，内容包括：第1章数据科学应用概述；第2章Python的入门基础知识；第3章数据清洗；第4~6章特征工程介绍，包括特征选择、特征处理和特征提取；第7章数据可视化应用；第8~13章介绍6种数据挖掘与建模的方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。 《Python数据科学应用从入门到精通》既适合作为经济学、管理学、统计学、金融学、社会学、医学、电子商务等相关专业的学生学习Python数据科学应用的专业教材或参考书，也适合作为企事业单位数字化人才培养的教科书与工具书。此外，还可以作为职场人士提升数据处理与分析挖掘能力，提高工作效能和绩效水平的自学Python数据科学应用的工具书。