新書推薦：
《
算法图解（第2版）
》
售價：NT$
356.0
《
科学的奇幻之旅
》
售價：NT$
352.0
《
画艺循谱：晚明的画谱与消闲
》
售價：NT$
653.0
《
新民说·现实政治史：从马基雅维利到基辛格
》
售價：NT$
454.0
《
宽容是件奢侈品（人生360度·一分钟经典故事）
》
售價：NT$
203.0
《
甲骨拼合六集
》
售價：NT$
1520.0
《
视觉美食家：商业摄影实战与创意解析
》
售價：NT$
602.0
《
中国经济发展的新阶段：机会与选择
》
售價：NT$
454.0
|
| 編輯推薦： |
《大数据应用基础教程》以Python程序设计为前置课程，使用房屋中介数据的为主要案例数据集，用生活常识阐述大数据采集、处理、分析、分布式计算的基本原理。以“提出问题—选择模型—解决问题”以主线，引导学生建立数据思维，提升数据素养。
数据分析创新平台技术；代码设计验证应用案例；生活常识阐释科学原理
|
| 內容簡介： |
|
《大数据应用基础教程》旨在培养大学低年级本科生的大数据应用能力，使其初步建立数据思维，以满足“新 工科”“新医科”“新农科”“新文科”建设背景下高校培养学生数据素养能力的新要求。 全书共 3 篇。基础篇（第 1、2 章）主要内容为大数据概述、Python 及常用类库；数据分析篇（第 3 ～ 7 章）重点阐述数据获取、存储、预处理、可视化和分析方法；大数据平台篇（第 8 ～ 11 章） 着重介绍 Linux 操作系统基础、大数据管理平台、分布式存储和分布式处理。全书提供了大量 应用实例，每章后附有习题。为了便于读者在单机条件下构建分布式环境，附录中介绍了基于 虚拟机的 Linux 系统安装、Hadoop 及 Spark 安装。 本书适合作为高等院校非计算机专业低年级本科生大数据公共课程的教材，也可供对大数 据感兴趣的广大科技工作者和研究人员参考。
|
| 目錄：
|
基础篇
第1章 大数据概述 003
1.1 数据和大数据 ·003
1.1.1 数据的高速增长 ·003
1.1.2 大数据 ·004
1.1.3 科学的范式 ·006
1.2 大数据从哪里来 007
1.3 大数据的应用场景 ·008
1.4 大数据对思维方式的影响 010
1.5 数据挖掘与机器学习 011
1.6 数据科学项目的基本流程 012
1.7 数据安全和大数据伦理 ·013
1.7.1 数据安全 013
1.7.2 大数据伦理 ·015
1.8 国家层面的大数据问题 ·016
1.8.1 数据主权 016
1.8.2 大数据与国家治理 017
1.8.3 大数据重塑世界新格局 018
1.8.4 中国国家大数据战略 ·019
1.9 云计算 020
1.9.1 云计算的特征 022
1.9.2 云计算的典型服务模式 022
1.9.3 云计算服务部署的环境 023
BIG
DATA
大数据应用基础教程
IV
1.9.4 云计算和大数据的关系 023
1.10 物联网 ·023
1.11 数字经济 025
1.11.1 大数据与数字经济 026
1.11.2 进一步推动我国数字经济发展 ·029
本章小结 ·030
习题 ·032
第2章 Python及常用类库 033
2.1 Python简介 ·033
2.1.1 Python的诞生 ·033
2.1.2 Python社区 034
2.1.3 Python的版本 ·034
2.1.4 使用Python进行数据分析的原因 036
2.2 Python的安装与运行 ·037
2.2.1 Anaconda简介及安装 037
2.2.2 Python的运行 ·041
2.2.3 小结 046
2.3 Python语言基础 ·046
2.3.1 数据结构 046
2.3.2 代码结构 058
2.3.3 小结 069
2.4 Python数据分析的常用类库 069
2.4.1 NumPy简介 069
2.4.2 pandas简介 ·076
2.4.3 小结 095
本章小结 ·095
习题 ·096
数据分析篇
第3章 数据获取 ·101
3.1 数据来源 ·101
3.2 网络数据爬取 ·103
BIG
DATA
目
录
V
3.2.1 网络爬虫概述 103
3.2.2 网页访问的基础知识 ·104
3.2.3 网页数据爬取 109
3.2.4 网页内容解析 111
3.2.5 常见的“爬取与反爬”攻防策略 115
3.3 网络数据采集器 118
3.3.1 常见采集器 ·118
3.3.2 八爪鱼采集案例 ·118
3.4 使用Selenium获取数据 ·122
3.4.1 安装Selenium 122
3.4.2 使用Selenium获取页面元素 ·124
3.4.3 Selenium应用：链家二手房数据获取 126
本章小结 ·130
习题 ·130
第4章 数据存储 ·131
4.1 文件 ·131
4.2 传统数据库技术 133
4.2.1 数据库管理系统 ·133
4.2.2 数据库的概念模型 134
4.2.3 关系型数据库 135
4.2.4 结构化查询语言SQL 136
4.2.5 MySQL数据库管理 137
4.2.6 基于MySQL monitor的基本数据库操作 141
4.2.7 基于HeidiSQL的基本数据库操作 145
4.3 NoSQL数据库 148
4.3.1 NoSQL的发展背景 ·148
4.3.2 NoSQL数据库的类型 149
本章小结 ·152
习题 ·152
第5章 数据预处理 153
5.1 数据质量问题 ·153
5.1.1 现实世界的“脏”数据 153
5.1.2 数据质量问题的产生原因 ·155
BIG
DATA
大数据应用基础教程
5.1.3 数据质量审核 156
5.2 数据预处理技术 158
5.2.1 数据清洗 158
5.2.2 数据集成 159
5.2.3 数据变换 160
5.2.4 数据归约 161
5.3 预处理案例 162
本章小结 ·166
习题 ·166
第6章 数据可视化 167
6.1 数据可视化概述 167
6.1.1 什么是数据可视化 167
6.1.2 常用的数据可视化工具 168
6.1.3 Python可视化工具库 169
6.2 Matplotlib数据可视化 ·170
6.2.1 Matplotlib绘图基础 170
6.2.2 Matplotlib常用绘图 172
6.2.3 使用mplot3d绘制3D图形 ·180
6.3 pandas数据可视化 185
6.3.1 pandas绘图基础 ·185
6.3.2 pandas常用绘图 ·186
6.4 seaborn数据可视化 ·191
6.4.1 seaborn绘图基础 191
6.4.2 seaborn常用绘图 197
6.5 pyecharts数据可视化 ·201
6.5.1 pyecharts绘图基础 ·201
6.5.2 pyecharts常用绘图 ·201
本章小结 ·208
习题 ·208
第7章 数据分析方法 ·211
7.1 数据分析方法的数学基础 211
7.1.1 理解复合函数求导 211
7.1.2 理解多元函数偏导 212
BIG
DATA
目
录
7.1.3 理解最小二乘法 ·212
7.1.4 理解梯度 213
7.1.5 理解概率 213
7.1.6 理解条件概率 214
7.1.7 理解贝叶斯公式 ·214
7.2 回归 ·215
7.2.1 回归的基本概念及方法 215
7.2.2 回归预测的性能度量 ·217
7.2.3 线性回归 218
7.3 分类 ·227
7.3.1 分类的基本方法 ·227
7.3.2 分类任务的性能度量 ·228
7.3.3 逻辑回归 229
7.3.4 支持向量机 ·240
7.3.5 决策树理论 ·254
7.3.6 朴素贝叶斯 ·258
7.3.7 k-近邻（k-NN）算法 ·262
7.4 聚类 ·266
7.4.1 聚类算法 266
7.4.2 K-means聚类算法 267
7.4.3 K-means聚类案例 268
7.5 文本分析 ·276
7.5.1 文本分析的基本步骤 ·277
7.5.2 文本分析的基本概念 ·277
7.5.3 文本分析案例 278
本章小结 ·286
习题 ·286
大数据平台篇
第8章 Linux操作系统基础 289
8.1 Linux操作系统简介289
8.1.1 操作系统 289
8.1.2 Linux操作系统 290
BIG
DATA
大数据应用基础教程
8.1.3 大数据平台基于Linux操作系统的原因 ·293
8.2 Linux基本命令293
8.2.1 目录与文件操作命令 ·293
8.2.2 文本过滤与处理 ·298
8.2.3 Shell输入输出命令 ·300
8.2.4 进程管理命令 301
8.2.5 日常操作命令 303
本章小结 ·306
习题 ·306
第9章 大数据管理平台 307
9.1 应用场景 ·307
9.2 发展历程 ·309
9.3 技术体系 ·311
9.3.1 数据收集层 ·312
9.3.2 数据存储层 ·313
9.3.3 资源管理层 ·315
9.3.4 计算引擎层 ·315
9.3.5 数据分析层 ·317
9.3.6 数据可视化层 317
9.3.7 大数据管理平台技术栈 318
本章小结 ·319
习题 ·319
第10章 分布式存储 321
10.1 HDFS介绍 ·321
10.2 HDFS基本架构 ·323
10.3 HDFS Shell访问 ·325
本章小结 ·328
习题 ·328
第11章 分布式处理 329
11.1 分布式计算思想 ·329
11.2 MapReduce 333
BIG
DATA
目
录
11.2.1 MapReduce介绍 ·333
11.2.2 MapReduce编程模型 ·334
11.2.3 MapReduce程序案例 ·335
11.3 Spark 341
11.3.1 Spark介绍 ·341
11.3.2 Spark编程模型 ·342
11.3.3 Spark程序案例 ·345
11.4 Spark相对于Hadoop的优势 ·352
本章小结 ·353
习题 ·353
参考文献 ·355
附录A 基于虚拟机的Linux系统安装 359
A.1 虚拟机技术概述 359
A.2 虚拟机托管软件安装 360
A.3 虚拟机Linux安装 ·362
附录B Hadoop及Spark安装 371
B.1 集群基础配置 ·371
B.2 Hadoop安装 375
B.3 Spark安装·380
|
| 內容試閱：
|
本书将数据获取、数据存储、数据预处理、数据可视化和数据分析方法等内容进行了
简化和有机融合，旨在培养学生基于数据解决问题的思维方式，提升数据素养。本着循序
渐进和强化实践的原则，书中内容以适量和实用为度，注重结合生活实例，以“提出问题—
选择模型—解决问题”为主线，着重培养学生运用理论知识解决实际问题的能力。在编写
中力求条理清晰、层次分明、言简意赅、客观真实，是一本体系创新、深浅适度、重在应
用的大数据通识教育教程。
全书共3篇。第1篇（第1、2章）为基础篇，主要内容为大数据概述、Python及常用类库；
第2篇（第3～7章）为数据分析篇，重点阐述数据获取、存储、预处理、可视化和分析方法；
第3篇（第8～11章）为大数据平台篇，着重介绍Linux操作系统基础、大数据管理平台、
分布式存储和分布式处理。全书提供了大量应用实例，每章后附有习题。
本书第1章、第4章由佀同光编写；第2章由陈佳丽编写；第3章、第5章由徐秀杰
编写；第6章由刘夏编写；第7章的7.1～7.4节由王文和陈佳丽编写，7.5节由陈佳丽编
写；第8章由卢文锋编写；第9～11章由张仲妹编写；附录A由徐秀杰编写，附录B由
张仲妹编写。同时，山东帮客信息技术有限公司李永鹏、上海泛微网络科技股份有限公司
吕长远参与了部分案例编写。全书由佀同光担任主编，并负责全书的修改及统稿。本书获
山东建筑大学教材建设基金资助，在编写过程中得到了山东建筑大学管理工程学院、山东
帮客信息技术有限公司、上海泛微网络科技股份有限公司的大力支持，在此表示衷心的感
谢。还得到了山东财经大学管理科学与工程学院博士生导师刘政敏教授、山东省大数据局
邹丰义研究员的指导。
由于编者水平有限，书中不当之处在所难免，欢迎广大同行和读者批评指正。
编 者
2023年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
