命令行中的數據科學 詹森斯pdf掃描版

命令行中的數據科學是一本數據科學書籍，由詹森斯（Jeroen Janssens）編著。本書獨樹一幟，教你利用靈活的命令行工具成為高效多產的數據科學家。為此，作者開發(fā)了數據科學工具箱，一個包含80多個命令行工具的安裝簡單的虛擬環(huán)境，能在Windows、OS X和Linux操作系統(tǒng)上運行。

你將學會如何結合使用這些小而強大的命令行工具，快速地獲取、清洗、探索和建模數據。通過閱讀本書，你會明白為什么命令行是一種靈活、可伸縮、易擴展的技術。即使你已經能夠使用Python或R得心應手地處理數據，利用命令行也將大大改進你的數據科學工作流。

內容介紹

《命令行中的數據科學》集實用性和先進性于一身，為數據分析人員使用命令行這個靈活的工具提供了重要參考。作者講解了眾多實用的命令行工具，以及如何使用它們高效地獲取、清洗、探索和建模數據。

論你使用Windows、OS X，還是Linux，都可以安裝包含80多個命令行工具的“數據科學工具箱”，迅速建立自己的數據分析環(huán)境。論你是否已經習慣于使用Python或R語言，都能夠通過本書體會到使用命令行的快捷、靈活與伸縮自如。

本書適合各層次的軟件開發(fā)人員，包括專業(yè)和非 專業(yè)的數據分析人員。

章節(jié)目錄

前言 XIII
第1 章 簡介 1
1．1 概述 1
1．2 數據科學就是OSEMN 2
1．2．1 數據獲取 2
1．2．2 數據清洗 2
1．2．3 數據探索 3
1．2．4 數據建模 3
1．2．5 數據解釋 3
1．3 插入的幾章 4
1．4 什么是命令行 4
1．5 為什么用命令行做數據科學工作 6
1．5．1 命令行的靈活性 6
1．5．2 命令行可增強 6
1．5．3 命令行可擴展 7
1．5．4 命令行可擴充 7
1．5．5 命令行處不在 7
1．6 一個現實用例 8
1．7 延伸閱讀 11
第2 章 入門指南 13
2．1 概述 13
2．2 設置數據科學工具箱 13
2．2．1 步驟1：下載和安裝VirtualBox 14
2．2．2 步驟2：下載和安裝Vagrant 14
2．2．3 步驟3：下載并啟動數據科學工具箱 14
2．2．4 步驟4：登錄（Linux 和Mac OS X） 16
2．2．5 步驟4：登錄（微軟Windows） 16
2．2．6 步驟5：關閉或重啟 16
2．3 必要的概念和工具 17
2．3．1 環(huán)境 17
2．3．2 運行命令行工具 18
2．3．3 五類命令行工具 19
2．3．4 命令行工具的組合 21
2．3．5 輸入和輸出重定向 22
2．3．6 處理文件 23
2．3．7 尋求幫助 24
2．4 延伸閱讀 26
第3 章 數據獲取 27
3．1 概述 27
3．2 將本地文件復制到數據科學工具箱 28
3．2．1 本地數據科學工具箱 28
3．2．2 遠程數據科學工具箱 28
3．3 解壓縮文件 29
3．4 微軟Excel 電子表格的轉換 30
3．5 查詢關系數據庫 32
3．6 從互聯(lián)網下載 33
3．7 調用Web API 35
3．8 延伸閱讀 36
第4 章 創(chuàng)建可重用的命令行工具 37
4．1 概述 38
4．2 將單行轉變?yōu)閟hell 腳本 38
4．2．1 步驟1：復制和粘貼 39
4．2．2 步驟2：添加執(zhí)行權限 40
4．2．3 步驟3：定義shebang 41
4．2．4 步驟4：刪除固定的輸入 42
4．2．5 步驟5：參數化 42
4．2．6 步驟6：擴展PATH 43
4．3 用Python 和R 創(chuàng)建命令行工具 44
4．3．1 移植shell 腳本 45
4．3．2 處理來自標準輸入的流數據 46
4．4 延伸閱讀 47
第5 章 數據清洗 49
5．1 概述 50
5．2 純文本的常見清洗操作 50
5．2．1 行過濾 50
5．2．2 值提取 54
5．2．3 值替換和刪除 55
5．3 處理CSV 56
5．3．1 主體、頭部和列 56
5．3．2 對CSV 執(zhí)行SQL 查詢 60
5．4 處理HTML/XML 和JSON 61
5．5 CSV 的常見清洗操作 65
5．5．1 列的提取和重排序 65
5．5．2 行過濾 66
5．5．3 列合并 67
5．5．4 多個CSV 文件的合并 70
5．6 延伸閱讀 73
第6 章 管理數據工作流 75
6．1 概述 76
6．2 Drake 簡介 76
6．3 Drake 的安裝 76
6．4 獲取古騰堡計劃中下載最多的電子書 78
6．5 所有工作流都從單個步驟開始 79
6．6 具體情況具體對待 81
6．7 重新構建具體目標 82
6．8 討論 83
6．9 延伸閱讀 83
第7 章 數據探索 85
7．1 概述 85
7．2 檢查數據及其屬性 86
7．2．1 確定有數據頭 86
7．2．2 檢查所有數據 86
7．2．3 特征名稱和數據類型 87
7．2．4 唯一標識、連續(xù)變量和因子 89
7．3 計算描述性統(tǒng)計信息 90
7．3．1 使用csvstat 90
7．3．2 在命令行中通過Rio 使用R 92
7．4 生成可視化圖形 95
7．4．1 介紹Gunplot 和feedgnuplot 95
7．4．2 介紹ggplot2 97
7．4．3 直方圖 99
7．4．4 條形圖 101
7．4．5 密度圖 102
7．4．6 箱線圖 103
7．4．7 散點圖 103
7．4．8 折線圖 105
7．4．9 總結 106
7．5 延伸閱讀 106
第8 章 并行管道 107
8．1 概述 108
8．2 串行處理 108
8．2．1 對數字進行遍歷 108
8．2．2 對行進行遍歷 109
8．2．3 對文件進行遍歷 110
8．3 并行處理 111
8．3．1 GNU Parallel 介紹 112
8．3．2 指定輸入 113
8．3．3 控制并發(fā)任務的個數 114
8．3．4 記錄日志和輸出 115
8．3．5 創(chuàng)建并行工具 116
8．4 分布式處理 117
8．4．1 獲得運行中的AWS EC2 實例列表 117
8．4．2 在遠程機器上運行命令 118
8．4．3 在遠程機器間分發(fā)本地數據 119
8．4．4 在遠程機器上處理文件 120
8．5 討論 123
8．6 延伸閱讀 123
第9 章 數據建模 125
9．1 概述 126
9．2 更多的酒，來吧！ 126
9．3 用Tapkee 降維 129
9．3．1 介紹Tapkee 130
9．3．2 安裝Tapkee 130
9．3．3 線性和非線性映射 130
9．4 用Weka 聚類 132
9．4．1 介紹Weka 132
9．4．2 在命令行里改進Weka 132
9．4．3 在CSV 和ARFF 格式之間轉換 136
9．4．4 比較三種聚類算法 136
9．5 通過SciKit-Learn Laboratory 進行回歸 139
9．5．1 準備數據 139
9．5．2 運行實驗 139
9．5．3 解析結果 140
9．6 用BigML 分類 141
9．6．1 生成均衡的訓練和測試數據集 141
9．6．2 調用API 143
9．6．3 檢查結果 143
9．6．4 小結 144
9．7 延伸閱讀 144
第10 章 總結 145
10．1 讓我們回顧一下145
10．2 三條建議 146
10．2．1 有耐心 146
10．2．2 有所創(chuàng)新 146
10．2．3 肯于實踐 147
10．3 接下來做什么 147
10．3．1 API 147
10．3．2 shell 編程 147
10．3．3 Python、R 和SQL 147
10．3．4 數據解釋 148
10．4 聯(lián)系方式 148
附錄A 命令行工具列表 149
附錄B 參考文獻 167
作者介紹 169

使用說明

1、下載并解壓，得出pdf文件

2、如果打不開本文件，請務必下載pdf閱讀器

3、安裝后，在打開解壓得出的pdf文件

4、雙擊進行閱讀試讀