數(shù)據(jù)清洗基礎(chǔ)與實(shí)踐

　　數(shù)據(jù)清洗是大數(shù)據(jù)開發(fā)的基礎(chǔ)環(huán)節(jié)，也是重要的環(huán)節(jié)之一。數(shù)據(jù)清洗就是發(fā)現(xiàn)并糾正數(shù)據(jù)源中存在的錯(cuò)誤，對錯(cuò)誤值、異常值、缺失值等可疑數(shù)據(jù)按照一定的規(guī)則和方法，使用必要的工具進(jìn)行清洗與整理，使其變得干凈，達(dá)到可以進(jìn)行數(shù)據(jù)分析的目的。 本書分為兩篇，共九章，系統(tǒng)地講解了數(shù)據(jù)清洗的理論與實(shí)踐。第一篇為基礎(chǔ)篇，其中第一章介紹數(shù)據(jù)清洗的基本概念、數(shù)據(jù)標(biāo)準(zhǔn)化以及數(shù)據(jù)倉庫的概念等；第二章介紹數(shù)據(jù)格式類型與數(shù)據(jù)編碼，從文件以及文本的格式、文檔的歸檔與壓縮、字符編碼與數(shù)據(jù)轉(zhuǎn)換方面做了介紹；第三章對常用的文本與電子表格數(shù)據(jù)清洗做了介紹；第四章介紹了數(shù)據(jù)清洗的基本技術(shù)、方法與工具；第五章從文本、Web文件、數(shù)據(jù)庫數(shù)據(jù)的抽取方面做了介紹；第六章介紹了數(shù)據(jù)的轉(zhuǎn)換與加載和數(shù)據(jù)的質(zhì)量評估。第二篇為實(shí)戰(zhàn)篇，其中第七章介紹了五種常用的數(shù)據(jù)清洗工具；第八章專門講解了如何對Web的數(shù)據(jù)進(jìn)行采集及預(yù)處理；第九章介紹了從RDBMS數(shù)據(jù)源中獲取數(shù)據(jù)及進(jìn)行數(shù)據(jù)的脫敏、清洗等操作。 本書可作為應(yīng)用型本科及高職高專學(xué)生的大數(shù)據(jù)課程教材，也可供學(xué)習(xí)數(shù)據(jù)清洗的其他讀者使用。

暫缺《數(shù)據(jù)清洗基礎(chǔ)與實(shí)踐》作者簡介