掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據清洗(大數據技術與應用叢書) 版權信息
- ISBN：9787302550877
- 條形碼：9787302550877 ; 978-7-302-55087-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據清洗(大數據技術與應用叢書) 內容簡介
數據清洗是大數據預處理的關鍵環節。面對錯綜復雜的數據，傳統的清洗“臟”數據工作單調且異常辛苦，如果能利用正確的工具和方法，可以讓數據清洗工作變得事半功倍。該書講解數據清洗的理論知識和實際應用，全書共8章：第1章主要帶領大家簡單認識數據清洗；第2章主要講解ETL技術相關的知識；第3章講解Kettle工具的基本使用；第4章主要講解數據清洗的**步——數據抽取；第5章主要講解數據清洗與檢驗；第6章主要講解數據轉換相關的知識；第7章主要講解數據加載相關的知識；第8章利用前面章節所學的知識構建一個DVD租賃商店數據倉庫，目的是實現定期從源數據庫sakila中抽取增量數據，轉換成符合DVD租賃業務的數據，*后加載到DVD租賃商店數據倉庫中，便于后續在線DVD租賃商店的決策者對數據進行分析得出商業決策。該書附有配套視頻、源代碼、習題、教學設計、教學課件等資源。同時，為了幫助初學者更好地學習書中的內容，還提供了在線答疑，歡迎讀者關注。 《數據清洗》可作為高等院校本專科計算機、信息管理等相關專業的大數據課程教材，也可供相關技術人員參考，是一本適合廣大計算機編程愛好者的優秀讀物。
數據清洗(大數據技術與應用叢書) 目錄
第1章 數據清洗概述
1．1 數據清洗的背景
1．1．1 數據質量概述
1．1．2 數據質量的評價指標
1．1．3 數據質量的問題分類
1．2 數據清洗的定義
1．3 數據清洗的原理
1．4 數據清洗的基本流程
1．5 數據清洗的策略
1．6 常見的數據清洗方法
1．7 本章小結
1．8 本章習題
第2章 初識ETL
2．1 基于ETL的數據清洗
2．1．1 ETL的概念
2．1．2 ETL的體系結構
2．2 ETL關鍵技術
2．2．1 數據的抽取
2．2．2 數據的清洗轉換
2．2．3 數據的加載
2．3 ETL常見工具介紹
2．4 本章小結
2．5 本章習題
第3章 Kettle工具的基本使用
3．1 Kettle簡介
3．1．1 Kettle概述
3．1．2 Kettle的設計原則
3．2 Kettle的下載安裝
3．3 Kettle的基本概念
3．3．1 轉換
3．3．2 作業
3．4 Kettle的基本功能
3．4．1 轉換管理
3．4．2 作業管理
3．4．3 數據庫連接
3．5 本章小結
3．6 本章習題
第4章 數據抽取
4．1 抽取文本數據
4．1．1 TSV文件的抽取
4．1．2 CSV文件的抽取
4．2 抽取Web數據
4．2．1 HTML網頁的數據抽取
4．2．2 XML文件的數據抽取
4．2．3 JSON文件的數據抽取
4．3 抽取數據庫數據
4．3．1 抽取關系型數據庫的數據
4．3．2 抽取非關系型數據庫的數據
4．4 本章小結
4．5 本章習題
第5章 數據的清洗與檢驗
5．1 數據去重
5．1．1 完全去重
5．1．2 不完全去重
5．2 缺失值處理
5．2．1 缺失值清洗策略
5．2．2 去除缺失值
5．2．3 填充缺失值
5．3 異常值
5．3．1 出現異常值的原因
5．3．2 檢測異常值
5．3．3 刪除包含異常值的記錄
5．3．4 修補異常值
5．4 數據檢驗
5．4．1 數據一致性處理
5．4．2 數據規范化處理
5．5 本章小結
5．6 本章習題
第6章 數據轉換
6．1 多數據源的合并
6．2 不一致數據轉換
6．3 數據粒度的轉換
6．4 數據的商務規則計算
6．5 本章小結
6．6 本章習題
第7章 數據加載
7．1 數據的加載機制
7．1．1 全量加載
7．1．2 增量加載
7．2 數據的批量加載
7．3 本章小結
7．4 本章習題
第8章 綜合案例——構建DVD租賃商店數據倉庫
8．1 案例概述
8．1．1 案例背景介紹
8．1．2 數據倉庫的架構模型
8．1．3 數據倉庫效果預覽
8．2 數據準備
8．2．1 數據庫sakila的下載和安裝
8．2．2 數據庫sakila簡介
8．2．3 數據表簡介
8．3 案例實現
8．3．1 構建DVD租賃商店數據倉庫
8．3．2 加載日期數據至日期維度表
8．3．3 加載時間數據至時間維度表
8．3．4 加載員工數據至員工維度表
8．3．5 加載用戶數據至用戶維度表
8．3．6 加載商店數據至商店維度表
8．3．7 加載演員數據至演員維度表
8．3．8 加載電影數據至電影維度表
8．3．9 加載租賃數據至租賃事實表
8．3．10 加載數據庫sakila中的數據至數據倉庫sakila_dw
8．4 本章小結
1．1 數據清洗的背景
1．1．1 數據質量概述
1．1．2 數據質量的評價指標
1．1．3 數據質量的問題分類
1．2 數據清洗的定義
1．3 數據清洗的原理
1．4 數據清洗的基本流程
1．5 數據清洗的策略
1．6 常見的數據清洗方法
1．7 本章小結
1．8 本章習題
第2章 初識ETL
2．1 基于ETL的數據清洗
2．1．1 ETL的概念
2．1．2 ETL的體系結構
2．2 ETL關鍵技術
2．2．1 數據的抽取
2．2．2 數據的清洗轉換
2．2．3 數據的加載
2．3 ETL常見工具介紹
2．4 本章小結
2．5 本章習題
第3章 Kettle工具的基本使用
3．1 Kettle簡介
3．1．1 Kettle概述
3．1．2 Kettle的設計原則
3．2 Kettle的下載安裝
3．3 Kettle的基本概念
3．3．1 轉換
3．3．2 作業
3．4 Kettle的基本功能
3．4．1 轉換管理
3．4．2 作業管理
3．4．3 數據庫連接
3．5 本章小結
3．6 本章習題
第4章 數據抽取
4．1 抽取文本數據
4．1．1 TSV文件的抽取
4．1．2 CSV文件的抽取
4．2 抽取Web數據
4．2．1 HTML網頁的數據抽取
4．2．2 XML文件的數據抽取
4．2．3 JSON文件的數據抽取
4．3 抽取數據庫數據
4．3．1 抽取關系型數據庫的數據
4．3．2 抽取非關系型數據庫的數據
4．4 本章小結
4．5 本章習題
第5章 數據的清洗與檢驗
5．1 數據去重
5．1．1 完全去重
5．1．2 不完全去重
5．2 缺失值處理
5．2．1 缺失值清洗策略
5．2．2 去除缺失值
5．2．3 填充缺失值
5．3 異常值
5．3．1 出現異常值的原因
5．3．2 檢測異常值
5．3．3 刪除包含異常值的記錄
5．3．4 修補異常值
5．4 數據檢驗
5．4．1 數據一致性處理
5．4．2 數據規范化處理
5．5 本章小結
5．6 本章習題
第6章 數據轉換
6．1 多數據源的合并
6．2 不一致數據轉換
6．3 數據粒度的轉換
6．4 數據的商務規則計算
6．5 本章小結
6．6 本章習題
第7章 數據加載
7．1 數據的加載機制
7．1．1 全量加載
7．1．2 增量加載
7．2 數據的批量加載
7．3 本章小結
7．4 本章習題
第8章 綜合案例——構建DVD租賃商店數據倉庫
8．1 案例概述
8．1．1 案例背景介紹
8．1．2 數據倉庫的架構模型
8．1．3 數據倉庫效果預覽
8．2 數據準備
8．2．1 數據庫sakila的下載和安裝
8．2．2 數據庫sakila簡介
8．2．3 數據表簡介
8．3 案例實現
8．3．1 構建DVD租賃商店數據倉庫
8．3．2 加載日期數據至日期維度表
8．3．3 加載時間數據至時間維度表
8．3．4 加載員工數據至員工維度表
8．3．5 加載用戶數據至用戶維度表
8．3．6 加載商店數據至商店維度表
8．3．7 加載演員數據至演員維度表
8．3．8 加載電影數據至電影維度表
8．3．9 加載租賃數據至租賃事實表
8．3．10 加載數據庫sakila中的數據至數據倉庫sakila_dw
8．4 本章小結
展開全部
書友推薦
- >
李白與唐代文化
- >
我與地壇
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
中國歷史的瞬間
- >
月亮虎
- >
莉莉和章魚
- >
史學評論
本類暢銷
