本書詳細講解了Python數據分析的相關內容，共分為10章，第1～9章分別講解了數據分析概述、Python與數據分析、Python語言基礎、NumPy數組與矢量計算、用NumPy進行簡單統(tǒng)計分析、數據可視化——Matplotlib庫、pandas數據分析基礎、用pandas進行數據預處理、機器學習庫scikit-learn入門；第10章用一個綜合案例——電影數據分析項目，帶領讀者靈活掌握本書所學內容。 本書適合作為高

本書以項目為導向，由淺入深地介紹Excel在數據分析與可視化方面的應用。全書以自動售貨機產品銷售為主線，共分7個項目。項目1介紹了某企業(yè)自動售貨機的經營困惑，以及自動售貨機數據分析的流程；項目2為商品的整體銷售情況分析；項目3為區(qū)域銷售情況分析；項目4為商品庫存的分析；項目5為用戶行為的分析；項目6為商品銷售量的預測；項目7介紹了自動售貨機周報的撰寫。項目2～項目7都包含了技能拓展和技能訓練，可以幫助讀者鞏固所學的內

本書內容安排遵循學生的認知規(guī)律，結合Python的特點，將教學內容分為Python基礎及數據分析兩大部分。全書分為11章，前6章講解了Python基本語法和基本應用，后5章系統(tǒng)地講解了用Python爬取數據、處理數據、分析數據的方法與過程。每章除了豐富的實例外，還設計了來源于實踐的項目訓練及拓展訓練項目，引導讀者學以致用。本書可以作為高校計算機類專業(yè)和相關專業(yè)的教材，也可作為Python愛好者的自學用書。

本書主要介紹了數據分析的基礎知識和實操過程。全書分為8章，首先從數據分析技術概述入手，介紹了數據分析的基本概念、數據分析的工作流程、數據分析方法論與方法，并介紹了常用的數據分析工具；接著以Excel工具為例，從數據收集、數據加工與處理、統(tǒng)計分析、數據展示等數據分析工作流程切入，結合具體的案例進行數據剖析；*后將理論與實踐相結合，講解了電商數據、股票數據兩個真實的企業(yè)案例。本書結構清晰，案例豐富，通俗易懂，可作為大數據

本書以Hive為開發(fā)平臺，主要介紹了如何使用HiveQL來查詢和分析存儲在Hadoop分布式文件系統(tǒng)上的大數據集合，具體內容包括Hive入門、Hive數據庫及表操作、Hive元數據、Hive高級操作、Hive函數與Streaming、Hive視圖與索引、Hive調優(yōu)、Hive與HBase集成、數據遷移框架Sqoop等。本書介紹的每個任務都運用了大量案例，緊密結合實際應用，融入了含金量十足的開發(fā)經驗。在此基礎上，本書通

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，主要內容包括數據采集與預處理準備、網絡爬蟲實踐、日志數據采集實踐和數據預處理實踐，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、大數據技

本書全面地講解了在科學領域廣泛運用的微積分、概率論與數理統(tǒng)計、線性代數、數值計算、多元統(tǒng)計分析等數學基礎知識。全書共6章：第1章介紹了大數據與數學、數學與Python的關系；第2章介紹了微積分的基礎知識，包括極限、導數、微分、不定積分與定積分等；第3章介紹了概率論與數理統(tǒng)計的基礎知識，包括數據分布特征、概率與概率分布、參數估計、假設檢驗等；第4章介紹了線性代數的基礎知識，包括行列式、矩陣的運算和特征分解、奇異值分解；

本書注重基礎、循序漸進，系統(tǒng)地講述了Microsoft推出的智能商業(yè)數據分析軟件PowerBI的相關基礎知識，涵蓋了安裝PowerBIDesktop、獲取數據、查詢編輯器、數據分析表達式、數據視圖、管理關系、報表、可視化效果、PowerBI服務等內容，并在最后一章以社科研究數據分析為例進行了知識點的綜合講解。對于每一個知識點，本書都盡量結合實例幫助讀者學習理解。前8章最后都配有綜合實例來說明本章知識的使用方法。 本書

本書以項目為導向，由淺入深地介紹Excel2016在數據獲取與處理中的應用。全書共14個項目，項目1簡單介紹Excel2016的界面，以及工作簿、工作表、單元格的概念；項目2介紹各種類型數據的輸入；項目3介紹如何美化工作表；項目4介紹如何使用Excel獲取文本數據；項目5介紹如何使用Excel獲取網站數據；項目6介紹如何使用Excel獲取MySQL數據庫中的數據；項目7介紹如何對數據進行排序；項目8介紹如何篩選數據中

本書詳細地介紹了機器學習的基本原理，并采用“原理簡述+問題實例+實際代碼+運行結果”的模式介紹常用算法。全書共11章，主要包括決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維等內容。

本書將基本概念與實例相結合，由淺入深、循序漸進地對大數據思維、技術和應用做了全面系統(tǒng)的介紹。全書共12章，分為大數據基礎篇、大數據存儲篇、大數據處理篇、大數據挖掘篇和大數據應用篇。 大數據基礎篇的內容涵蓋了大數據思維理念、大數據的產生與作用、大數據基本概念、大數據采集工具Flume和Scribe、大數據爬蟲工具Nutch和Scapy、大數據預處理工具Kettle、大數據處理架構Hadoop；大數據存儲篇的內容包含分布

本書以任務為導向，較為全面地介紹了不同場景下Python爬取網絡數據的方法，包括靜態(tài)網頁、動態(tài)網頁、登錄后才能訪問的網頁、PC客戶端、App等場景。全書共7章，第1章介紹了爬蟲與反爬蟲的基本概念，以及Python爬蟲環(huán)境的配置，第2章介紹了爬取過程中涉及的網頁前端基礎，第3章介紹了在靜態(tài)網頁中爬取數據的過程，第4章介紹了在動態(tài)網頁中爬取數據的過程，第5章介紹了對登錄后才能訪問的網頁進行模擬登錄的方法，第6章介紹了爬取

本書全面地講解了在科學領域運用廣泛的數據微積分、線性代數、統(tǒng)計學、數值計算、多元統(tǒng)計分析等數學基礎知識。全書共6章：第1章介紹了大數據與數學、數學與R語言的關系；第2章介紹了微積分的基礎知識，包括函數、極限、導數、微分、不定積分與定積分及其應用；第3章介紹了線性代數的基礎知識，包括矩陣的運算、行列式、特征分解、奇異值分解；第4章介紹了統(tǒng)計學的基礎知識，包括數據分布特征、概率論、隨機變量的數字特征、參數估計、假設檢驗；

Hadoop是一個分布式系統(tǒng)的基礎架構，支持對大量數據進行分布式處理，能以高效、可靠的方式完成數據處理。本書圍繞Hadoop生態(tài)圈技術進行講解，主要包括Hadoop環(huán)境配置、Hadoop分布式文件系統(tǒng)（HDFS）、Hadoop分布式計算框架MapReduce、Hadoop資源調度框架YARN與Hadoop新特性、Hadoop分布式數據庫HBase、Oozie工作流調度系統(tǒng)等內容。 本書以Linux操作系統(tǒng)為平臺，緊密

本書以理論結合示例操作的方式，全面介紹了R語言編程基礎及其知識的應用，講解了利用R語言解決部分實際問題的方法。全書共7章：第1章為R語言概述，包括學習R語言的優(yōu)勢、R語言的編譯環(huán)境、R包的獲取及加載、R包的內置數據等；第2～6章主要介紹R語言的數據對象與數據讀寫、數據集基本處理、函數與控制流、初級繪圖、繪圖；第7章主要介紹可視化數據挖掘工具Rattle。本書的每章都包含了課后習題，通過練習幫助讀者鞏固所學的內容。

本書以任務為導向，較為全面地介紹了商務領域中R語言數據分析的應用。全書共9章，介紹商務領域不同方向項目的數據分析方法，具體內容包括R語言數據分析概述、商品零售購物籃分析、航空公司客戶價本書以任務為導向，較為全面地介紹了商務領域中R語言數據分析的應用。全書共9章，介紹商務領域不同方向項目的數據分析方法，具體內容包括R語言數據分析概述、商品零售購物籃分析、航空公司客戶價值分析、財政收入預測分析、金融服務機構資金流量預測、

大數據技術讓我們以一種前所未有的方式，對海量數據進行分析，從中獲得有巨大價值的產品和服務，最終形成變革之力。本書圍繞Hadoop和Spark兩個主流大數據技術進行講解，主要內容包括Hadoop環(huán)境配置、Hadoop分布式文件系統(tǒng)（HDFS）、Hadoop分布式計算框架MapReduce、Hadoop資源調度框架YARN與Hadoop新特性、Hadoop分布式數據庫HBase、數據倉庫Hive、大數據離線處理輔助系統(tǒng)、

本書以任務為導向，全面地介紹數據分析的流程和Python數據分析庫的應用，詳細講解利用Python解決企業(yè)實際問題的方法。全書共9章，*1章介紹了數據分析的基本概念等相關知識；*2～6章介紹了Python數據分析的常用庫及其應用，涵蓋NumPy數值計算、Matplotlib數據可視化、pandas統(tǒng)計分析、使用pandas進行數據預處理、使用scikit-learn構建模型，較為全面地闡述了Python數據分析方法；

本書以任務為導向，較為全面地介紹了Spark大數據技術的相關知識。全書共9章，具體內容包括Spark概述；Scala基礎；Spark編程；Spark編程進階；SparkSQL：結構化數據文件處理；SparkStreaming：實時計算框架；SparkGraphX：圖計算框架；SparkMLlib：功能強大的算法庫；項目案例：餐飲平臺菜品智能推薦。本書的大部分章節(jié)都包含了實訓與課后習題，通過練習和操作實踐，幫助讀者鞏固

本書以任務為導向，較為全面地介紹了Hadoop大數據技術的相關知識。全書共6章，具體內容包括Hadoop介紹、Hadoop集群的搭建及配置、Hadoop基礎操作、MapReduce編程入門、MapReduce進階編程、項目案例：電影網站用戶性別預測。本書的2～5章包含了實訓與課后練習，通過練習和操作實踐，幫助讀者鞏固所學的內容。 本書可以作為高校大數據技術類專業(yè)的教材，也可作為大數據技術愛好者的自學用書。

本書分基礎篇和提高篇兩部分，共12章�；A篇包括第1-6章，具體包含Hadoop概述、Hadoop基礎環(huán)境配置、分布式存儲HDFS、計算模型MapReduce、計算模型Yarn、項目實戰(zhàn)——簡易網盤。提高篇包括第7-12章，具體包含協(xié)調系統(tǒng)Zookeeper、數據庫Hbase、數據倉庫Hive、數據采集Flume、數據遷移Sqoop、項目實戰(zhàn)——OTA旅游網離線數據分析平臺。