數(shù)據(jù)的清洗是在大數(shù)據(jù)的挖掘與分析過程中的一個重要環(huán)節(jié)，由于數(shù)據(jù)類型的復(fù)雜性，采用傳統(tǒng)的清洗臟數(shù)據(jù)的工作會辛苦和乏味。但是如果能利用好的清洗工具和適當(dāng)?shù)姆椒▌t可以讓數(shù)據(jù)的清洗工作變得有趣并能達(dá)到事半功倍的效果。
本書從文件格式、數(shù)據(jù)類型、字符編碼等基本概念入手，通過實(shí)例，探討了如何提取和清洗關(guān)系型數(shù)據(jù)、網(wǎng)頁數(shù)據(jù)，以及如何實(shí)現(xiàn)數(shù)據(jù)的轉(zhuǎn)換與加載。每個知識點(diǎn)都附有案例供讀者學(xué)習(xí)，通過實(shí)踐讓讀者掌握所有的數(shù)據(jù)清洗技術(shù)。
如果您是一位數(shù)據(jù)科學(xué)家，或者從事數(shù)據(jù)科學(xué)工作，哪怕是一個對數(shù)據(jù)科學(xué)感興趣的新手，那么很高興本書適合您閱讀。