命令行中的数据科学 PDF 文档

Question

命令行中的数据科学集实用性和先进性于一身，为数据分析人员使用命令行这个灵活的工具提供了重要参考。作者讲解了众多实用的命令行工具，以及如何使用它们高效地获取、清洗、探索和建模数据。无论你使用 Windows、OS X，还是 Linux，都可以安装包含 80 多个命令行工具的数据科学工具箱，迅速建立自己的数据分析环境。无论你是否已经习惯于使用 Python 或 R 语言，都能够通过本书体会到使用命令行的快捷、灵活与伸缩自如。

目录
前言 XIII
第 1 章 简介 1
1.1 概述 1
1.2 数据科学就是 OSEMN 2
1.2.1 数据获取 2
1.2.2 数据清洗 2
1.2.3 数据探索 3
1.2.4 数据建模 3
1.2.5 数据解释 3
1.3 插入的几章 4
1.4 什么是命令行 4
1.5 为什么用命令行做数据科学工作 6
1.5.1 命令行的灵活性 6
1.5.2 命令行可增强 6
1.5.3 命令行可扩展 7
1.5.4 命令行可扩充 7
1.5.5 命令行无处不在 7
1.6 一个现实用例 8
1.7 延伸阅读 11
第 2 章 入门指南 13
2.1 概述 13
2.2 设置数据科学工具箱 13
2.2.1 步骤 1：下载和安装 VirtualBox 14
2.2.2 步骤 2：下载和安装 Vagrant 14
2.2.3 步骤 3：下载并启动数据科学工具箱 14
2.2.4 步骤 4：登录（Linux 和 Mac OS X） 16
2.2.5 步骤 4：登录（微软 Windows） 16
2.2.6 步骤 5：关闭或重启 16
2.3 必要的概念和工具 17
2.3.1 环境 17
2.3.2 运行命令行工具 18
2.3.3 五类命令行工具 19
2.3.4 命令行工具的组合 21
2.3.5 输入和输出重定向 22
2.3.6 处理文件 23
2.3.7 寻求帮助 24
2.4 延伸阅读 26
第 3 章 数据获取 27
3.1 概述 27
3.2 将本地文件复制到数据科学工具箱 28
3.2.1 本地数据科学工具箱 28
3.2.2 远程数据科学工具箱 28
3.3 解压缩文件 29
3.4 微软 Excel 电子表格的转换 30
3.5 查询关系数据库 32
3.6 从互联网下载 33
3.7 调用 Web API 35
3.8 延伸阅读 36
第 4 章 创建可重用的命令行工具 37
4.1 概述 38
4.2 将单行转变为 shell 脚本 38
4.2.1 步骤 1：复制和粘贴 39
4.2.2 步骤 2：添加执行权限 40
4.2.3 步骤 3：定义 shebang 41
4.2.4 步骤 4：删除固定的输入 42
4.2.5 步骤 5：参数化 42
4.2.6 步骤 6：扩展 PATH 43
4.3 用 Python 和 R 创建命令行工具 44
4.3.1 移植 shell 脚本 45
4.3.2 处理来自标准输入的流数据 46
4.4 延伸阅读 47
第 5 章 数据清洗 49
5.1 概述 50
5.2 纯文本的常见清洗操作 50
5.2.1 行过滤 50
5.2.2 值提取 54
5.2.3 值替换和删除 55
5.3 处理 CSV 56
5.3.1 主体、头部和列 56
5.3.2 对 CSV 执行 SQL 查询 60
5.4 处理 HTML/XML 和 JSON 61
5.5 CSV 的常见清洗操作 65
5.5.1 列的提取和重排序 65
5.5.2 行过滤 66
5.5.3 列合并 67
5.5.4 多个 CSV 文件的合并 70
5.6 延伸阅读 73
第 6 章 管理数据工作流 75
6.1 概述 76
6.2 Drake 简介 76
6.3 Drake 的安装 76
6.4 获取古腾堡计划中下载最多的电子书 78
6.5 所有工作流都从单个步骤开始 79
6.6 具体情况具体对待 81
6.7 重新构建具体目标 82
6.8 讨论 83
6.9 延伸阅读 83
第 7 章 数据探索 85
7.1 概述 85
7.2 检查数据及其属性 86
7.2.1 确定有无数据头 86
7.2.2 检查所有数据 86
7.2.3 特征名称和数据类型 87
7.2.4 唯一标识、连续变量和因子 89
7.3 计算描述性统计信息 90
7.3.1 使用 csvstat 90
7.3.2 在命令行中通过 Rio 使用 R 92
7.4 生成可视化图形 95
7.4.1 介绍 Gunplot 和 feedgnuplot 95
7.4.2 介绍 ggplot2 97
7.4.3 直方图 99
7.4.4 条形图 101
7.4.5 密度图 102
7.4.6 箱线图 103
7.4.7 散点图 103
7.4.8 折线图 105
7.4.9 总结 106
7.5 延伸阅读 106
第 8 章 并行管道 107
8.1 概述 108
8.2 串行处理 108
8.2.1 对数字进行遍历 108
8.2.2 对行进行遍历 109
8.2.3 对文件进行遍历 110
8.3 并行处理 111
8.3.1 GNU Parallel 介绍 112
8.3.2 指定输入 113
8.3.3 控制并发任务的个数 114
8.3.4 记录日志和输出 115
8.3.5 创建并行工具 116
8.4 分布式处理 117
8.4.1 获得运行中的 AWS EC2 实例列表 117
8.4.2 在远程机器上运行命令 118
8.4.3 在远程机器间分发本地数据 119
8.4.4 在远程机器上处理文件 120
8.5 讨论 123
8.6 延伸阅读 123
第 9 章 数据建模 125
9.1 概述 126
9.2 更多的酒，来吧！ 126
9.3 用 Tapkee 降维 129
9.3.1 介绍 Tapkee 130
9.3.2 安装 Tapkee 130
9.3.3 线性和非线性映射 130
9.4 用 Weka 聚类 132
9.4.1 介绍 Weka 132
9.4.2 在命令行里改进 Weka 132
9.4.3 在 CSV 和 ARFF 格式之间转换 136
9.4.4 比较三种聚类算法 136
9.5 通过 SciKit-Learn Laboratory 进行回归 139
9.5.1 准备数据 139
9.5.2 运行实验 139
9.5.3 解析结果 140
9.6 用 BigML 分类 141
9.6.1 生成均衡的训练和测试数据集 141
9.6.2 调用 API 143
9.6.3 检查结果 143
9.6.4 小结 144
9.7 延伸阅读 144
第 10 章 总结 145
10.1 让我们回顾一下 145
10.2 三条建议 146
10.2.1 有耐心 146
10.2.2 有所创新 146
10.2.3 肯于实践 147
10.3 接下来做什么 147
10.3.1 API 147
10.3.2 shell 编程 147
10.3.3 Python、R 和 SQL 147
10.3.4 数据解释 148
10.4 联系方式 148
附录 A 命令行工具列表 149
附录 B 参考文献 167
作者介绍 169
封面介绍 169

下载地址：https://www.wenjiangs.com/wp-content/uploads/2024/04/AIbKbs8RyweZrvQ6.zip