數(shù)據(jù)采集與預處理

定　價：￥39.80

作　者：	米洪，張鸰著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥39.80)

ISBN：	9787115519153	出版時間：	2019-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	184	字數(shù)：

內容簡介

　　本書以任務驅動為主線，圍繞企業(yè)級應用進行項目任務設計，主要內容包括數(shù)據(jù)采集與預處理準備、網(wǎng)絡爬蟲實踐、日志數(shù)據(jù)采集實踐和數(shù)據(jù)預處理實踐，全面地講述了Scrapy、Flume、Pig、Kettle、Pandas、OpenRefine等技術，以及urllib、Selenium基本庫和BeautifulSoup解析庫的相關知識與應用案例。本書內容實用，可操作性強，語言精練、通俗易懂，可作為高等院校計算機應用技術、大數(shù)據(jù)技術與應用、軟件技術、云計算技術與應用等計算機相關專業(yè)的教材，也可作為大數(shù)據(jù)分析、云計算應用領域技術人員的參考用書。

作者簡介

　　米洪，主持省級項目3項；發(fā)表北大核心論文5篇；學院交通物聯(lián)網(wǎng)技術科技創(chuàng)新團隊骨干成員；江蘇省高等職業(yè)院校教師專業(yè)帶頭人訪問學者（東南大學）；江蘇省高?！扒嗨{工程”優(yōu)秀中青年骨干教師。

圖書目錄

項目1
數(shù)據(jù)采集與預處理準備　1
學習目標　1
項目描述　1
任務1　認識數(shù)據(jù)采集技術，熟悉數(shù)據(jù)采集平臺　1
任務描述　1
任務目標　2
知識準備　2
任務實施　10
任務2　認識數(shù)據(jù)預處理技術　13
任務描述　13
任務目標　13
知識準備　13
任務實施　19
項目2
網(wǎng)絡爬蟲實踐　24
學習目標　24
項目描述　24
任務1　使用urllib爬取北京公交線路信息　24
任務描述　24
任務目標　25
知識準備　25
任務實施　48
任務2　使用Selenium爬取淘寶網(wǎng)站信息　58
任務描述　58
任務目標　58
知識準備　58
任務實施　69
任務3　使用Scrapy爬取北京公交信息　75
任務描述　75
任務目標　75
知識準備　75
任務實施　78
任務4　創(chuàng)新與拓展　86
任務描述　86
任務目標　86
項目3
日志數(shù)據(jù)采集實踐　87
學習目標　87
項目描述　87
任務1　Flume的安裝和配置　87
任務描述　87
任務目標　88
知識準備　88
任務實施　95
任務2　Flume采集數(shù)據(jù)上傳到集群　105
任務描述　105
任務目標　106
知識準備　106
任務實施　110
任務3　創(chuàng)新與拓展　118
任務描述　118
任務目標　118
項目4
數(shù)據(jù)預處理實踐　119
學習目標　119
項目描述　119
任務1　用Pig進行數(shù)據(jù)預處理　119
任務描述　119
任務目標　120
知識準備　120
任務實施　134
任務2　用Kettle進行數(shù)據(jù)預處理　137
任務描述　137
任務目標　137
知識準備　137
任務實施　139
任務3　用Pandas進行數(shù)據(jù)預處理　150
任務描述　150
任務目標　150
知識準備　150
任務實施　153
任務4　用OpenRefine進行數(shù)據(jù)預處理　155
任務描述　155
任務目標　155
知識準備　155
任務實施　157
任務5　用Flume Interceptor對日志信息進行數(shù)據(jù)預處理　162
任務描述　162
任務目標　163
知識準備　163
任務實施　167
任務6　創(chuàng)新與拓展　176
任務描述　176
任務目標　176