Python大數(shù)據分析從入門到精通

定　價：￥79.00

作　者：	蘭一杰著
出版社：	北京大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787301313558	出版時間：	2020-10-01	包裝：	平裝
開本：	16開	頁數(shù)：	320	字數(shù)：

內容簡介

　　本書結合Python在數(shù)據分析領域的特點，介紹如何在數(shù)據平臺上集成使用Python。本書內容分為3大部分。第1部分（第1~3章）為搭建開發(fā)環(huán)境和導入測試數(shù)據；第2部分（第4~12章）為Python對HDFS、Hive、Pig、HBase、Spark的操作，主要是對常用API的說明；第3部分（第13~16章）是在前面章節(jié)的基礎上，介紹如何進行數(shù)據的分析、挖掘、可視化等內容。　本書不僅闡述了Python在大數(shù)據平臺上的應用技巧，而且關于大數(shù)據平臺管理和操作的介紹說明貫穿全書，因此對于希望學習大數(shù)據知識的讀者，本書同樣非常適合。

作者簡介

　　蘭一杰，資深軟件工程師、項目經理，對Python大數(shù)據、人工智能、深度學習等有深入研究并能靈活整合運用。多年從事通過Python實施數(shù)據化運維、主數(shù)據項目、大數(shù)據分析項目的開發(fā)工作，涉及國內各大房地產企業(yè)、金融機構、政府機關等領域。

圖書目錄

第一章為什么選擇用Python11.1 易于使用3
1.2 兼容Hadoop3
1.3 可擴展和靈活性3
1.4 良好的社區(qū)支持和開發(fā)環(huán)境3
1.5 在數(shù)據分析領域的優(yōu)勢4
1.6 總結4

第二章大數(shù)據開發(fā)環(huán)境的搭建52.1 安裝大數(shù)據集成環(huán)境HDP6
2.2 安裝Spark環(huán)境（Windows）9
2.3 自行安裝大數(shù)據開發(fā)環(huán)境10
2.4 總結21

第三章構建分析數(shù)據223.1 分析數(shù)據的說明23
3.2 導入數(shù)據到HDP SandBox中25
3.3 導入自安裝的環(huán)境中使用28
3.4 導入Windows的Spark中29
3.5 導入 Northwind 數(shù)據庫30
3.6 總結32

第四章 Python對Hadoop的操作334.1 Snakebite的說明34
4.2 HDFS命令說明36
4.3 Snakebite Client類的使用38
4.4 Snakebite CLI的使用40
4.5 總結42

第五章 Python對Hive的操作435.1 Hive說明44
5.2 使用PyHive47
5.3 使用Python編寫Hive UDF49
5.4 Impyla的使用51
5.5 Hive SQL調優(yōu)方法52
5.6 總結53

第六章 Python對HBase的操作546.1 HBase說明55
6.2 HBase Shell命令57
6.3 HappyBase說明62
6.4 HappyBase的使用66
6.5 總結70

第七章 Python集成到Pig717.1 Pig說明72
7.2 Pig Latin的使用74
7.3 Python Pig的整合78
7.4 總結81

第八章 PySpark Shell應用838.1 操作步驟84
8.2 應用對象84
8.3 Spark核心模塊86
8.4 Spark Shell的使用87
8.5 PySpark Shell的使用92
8.6 總結95

第九章 PySpark對RDD操作969.1 Spark RDD說明97
9.2 RDD API說明101
9.3 在API函數(shù)中使用Lambda表達式108
9.4 從HDFS中讀取數(shù)據并以SequenceFile格式存儲110
9.5 讀取CSV文件處理并存儲112
9.6 讀取Json文件處理114
9.7 通過RDD計算圓周率115
9.8 查看RDD計算的狀態(tài)116
9.9 總結118

第十章 PySpark對DataFrame的操作11910.1 Spark DataFrame說明120
10.2 DataFrame API總述122
10.3 DataFrame數(shù)據結構API126
10.4 DataFrame數(shù)據處理API140
10.5 Postgresql和DataFrame145
10.6 CSV和DataFrame147
10.7 Json和DataFrame149
10.8 Numpy、Pandas和DataFrame151
10.9 RDD和DataFrame152
10.10 HDFS和DataFrame153
10.11 Hive和DataFrame154
10.12 HBase和DataFrame155
10.13 總結157

第十一章 PySpark對Streaming的操作15811.1 Spark Streaming說明159
11.2 Spark Streaming API160
11.3 網絡數(shù)據流165
11.4 文件數(shù)據流167
11.5 Kafka數(shù)據流171
11.6 Flume數(shù)據流173
11.7 QueueStream數(shù)據流174
11.8 使用StreamingListener監(jiān)聽數(shù)據流175
11.9 總結177

第十二章 PySpark SQL17812.1 關于Spark SQL179
12.2 Spark SQL相關API180
12.3 Spark SQL使用步驟189
12.4 Postgresql和Spark SQL190
12.5 CSV和Spark SQL192
12.6 Json和Spark SQL193
12.7 HDFS和Spark SQL194
12.8 Hive和Spark SQL195
12.9 UDF和Spark SQL197
12.10 Streaming和Spark SQL199
12.11 Spark SQL優(yōu)化200
12.12 總結201

第十三章分析方法及構架的說明20213.1 統(tǒng)計的概念和數(shù)據可視化203
13.2 數(shù)據分析方法的探討206
13.3 開發(fā)構架說明209
13.4 總結整合說明210

第十四章集成分析21414.1 SQL窗口函數(shù)的說明215
14.2 Hive SQL分析221
14.3 Spark SQL分析225
14.4 HBase SQL分析229
14.5 對接Numpy、Pandas的分析232
14.6 對接Blaze分析241
14.7 總結244

第十五章數(shù)據挖掘24515.1 關于機器學習246
15.2 PySpark機器學習包248
15.3 特征的抽取、轉換和選擇250
15.4 PySpark機器學習包的使用256
15.5 集成TensorFlow277
15.6 集成scikit-learn279
15.7 總結282

第十六章數(shù)據可視化28316.1 標簽云284
16.2 Zeppelin的使用289
16.3 Mathplotlib的使用293
16.4 Superset的使用301
16.5 總結308