Python 数据预处理实践

清理原始数据并准备好进行处理，以设计更好的数据分析解决方案

主要功能

• 培养执行数据清理、数据集成、数据缩减和数据转换的技能
• 通过强大的数据转换和调整技术充分利用原始数据
• 执行彻底的数据清理，包括处理缺失值和异常值

书籍说明

《数据预处理实践》是关于最佳数据清理和预处理技术的入门读物，由开发过数据预处理和相关主题的大学水平课程的专家撰写。

通过本书，您将从多个角度掌握最佳的数据预处理技术，确保您从数据中获得最佳的见解。

您将了解数据预处理的不同技术和分析方面的知识 – 数据收集、数据清理、数据集成、数据缩减和数据转换 – 并掌握如何使用开源 Python 编程环境来实现它们。

实践示例和易于理解的章节将帮助您全面阐明数据预处理及其原因和方法，并确定数据分析可以带来更有效决策的机会。随着您继续阅读各章，您还将了解数据管理系统和技术在有效分析方面的作用，以及如何使用 API 提取数据。

读完这本 Python 数据预处理书籍，您将能够使用 Python 读取、操作和分析数据；执行数据清理、集成、缩减和转换技术，并处理异常值或缺失值，以便有效地为分析工具准备数据。

你将学到什么

• 使用 Python 对数据执行分析功能
• 了解数据库的作用以及如何有效地从数据库中提取数据
• 执行您的分析目标定义的数据预处理步骤
• 认识并解决数据集成挑战
• 确定数据缩减的需求并执行
• 发现通过数据转换改进分析的机会

这本书适合谁

本书适合初级和高级数据分析师、商业智能专业人士、工程本科生以及希望对大量数据执行预处理和数据清理的数据爱好者。您无需具备任何数据预处理经验即可开始阅读本书。但是，基本的编程技能（例如使用变量、条件和循环）以及初级 Python 知识和简单的分析经验是先决条件。

目录

1. NumPy 和 Pandas 核心模块回顾
2. 另一个核心模块 – Matplotlib 回顾
3. 数据——它到底是什么？
4. 数据库
5. 数据可视化
6. 预测
7. 分类
8. 聚类分析
9. 数据清理级别 I – 清理表格
10. 数据清理级别 II – 拆包、重组和重新制定表格
11. 数据清理级别 III – 缺失值、离群值和错误
12. 数据融合和数据集成
13. 数据缩减
14. 数据转换和处理
15. 案例研究 1 – 科技领域的心理健康
16. 案例研究 2 – 预测 COVID-19 住院情况
17. 案例研究 3：美国县聚类分析
18. 总结、实践案例研究和结论