返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新Python大数据分析从入门到精通兰一杰9787301313558
  • 正版
    • 作者: 兰一杰著 | 兰一杰编 | 兰一杰译 | 兰一杰绘
    • 出版社: 北京大学出版社
    • 出版时间:2020-09-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    萌萌哒图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 兰一杰著| 兰一杰编| 兰一杰译| 兰一杰绘
    • 出版社:北京大学出版社
    • 出版时间:2020-09-01
    • 版次:1
    • 印次:1
    • 字数:454000
    • 页数:320
    • 开本:16开
    • ISBN:9787301313558
    • 版权提供:北京大学出版社
    • 作者:兰一杰
    • 著:兰一杰
    • 装帧:平装
    • 印次:1
    • 定价:79.00
    • ISBN:9787301313558
    • 出版社:北京大学出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-09-01
    • 页数:320
    • 外部编号:1202141680
    • 版次:1
    • 成品尺寸:暂无

    章为什么选择用Python

    1.1易于使用

    1.2兼容Hadoop

    1.3可扩展和灵活

    1.4良好的社区支持和开发环境

    1.5在数据分析领域的优势

    1.6总结

    第二章大数据开发环境的搭建

    2.1安装大数据集成环境HDP

    2.2安装Spark环境(Windows)

    .自行安装大数据开发环境

    2.4总结

    第三章构建分析数据

    3.1分析数据的说明

    3.2导入数据到HDPSandBox中

    3.3导入自安装的环境中使用

    3.4导入Windows的Spark中

    3.5导入Northwind数据库

    3.6总结

    第四章Python对Hadoop的作
    4.1Snakebite的说明

    4.2HDFS命令说明

    4.3SnakebiteClient类的使用

    4.4SnakebiteCLI的使用

    4.5总结

    第五章Python对Hive的作
    5.1Hive说明

    5.2使用PyHive

    5.3使用Python编写HiveUDF

    5.4Impyla的使用

    5.5HiveSL调优方法

    5.6总结

    第六章Python对HBase的作
    6.1HBase说明

    6.2HBaseShell命令

    6.3HappyBase说明

    6.4HappyBase的使用

    6.5总结

    第七章Python集成到Pig

    7.1Pig说明

    7.2PigLatin的使用

    7.3PythonPig的整合

    7.4总结

    第八章PySparkShell应用

    8.1操作步骤

    8.2应用对象

    8.3Spark核心模块

    8.4SparkShell的使用

    8.5PySparkShell的使用

    8.6总结

    第九章PySpark对RDD作
    9.1SparkRDD说明

    9.2RDDAPI说明

    9.3在API函数中使用Lambda表达式

    9.4从HDFS中读取数据并以SequenceFile格式存储

    9.5读取CSV文件处理并存储

    9.6读取Json文件处理

    9.7通过RDD计算圆周率

    9.8查看RDD计算的状态

    9.9总结

    第十章PySpark对DataFrame的作
    10.1SparkDataFrame说明

    10.2DataFrameAPI总述

    10.3DataFrame数据结构API

    10.4DataFrame数据处理API

    10.5Postgresql和DataFrame

    10.6CSV和DataFrame

    10.7Json和DataFrame

    10.8Numpy、Pandas和DataFrame

    10.9RDD和DataFrame

    10.10HDFS和DataFrame

    10.11Hive和DataFrame

    10.12HBase和DataFrame

    10.13总结

    十章PySpark对Streaming的作
    11.1SparkStreaming说明

    11.2SparkStreamingAPI

    11.3网络数据流

    11.4文件数据流

    11.5Kafka数据流

    11.6Flume数据流

    11.7eueStream数据流

    11.8使用StreamingListener监听数据流

    11.9总结

    第十二章PySparkSL

    12.1关于SparkSL

    12.2SparkSL相关API

    1.SparkSL使用步骤

    12.4Postgresql和SparkSL

    12.5CSV和SparkSL

    12.6Json和SparkSL

    12.7HDFS和SparkSL

    12.8Hive和SparkSL

    12.9UDF和SparkSL

    12.10Streaming和SparkSL

    12.11SparkSL优化

    12.12总结

    第十三章分析方法及构架的说明

    13.1统计的概念和数据可视化

    13.2数据分析方法的探讨

    13.3开发构架说明

    13.4总结整合说明

    第十四章集成分析

    14.1SL窗口函数的说明

    14.2HiveSL分析

    14.3SparkSL分析

    14.4HBaseSL分析

    14.5对接Numpy、Pandas的分析

    14.6对接Blaze分析

    14.7总结

    第十五章数据挖掘

    15.1关于机器学习

    15.2PySpark机器学

    15.3特征的抽取、转换和选择

    15.4PySpark机器学的使用

    15.5集成TensorFlow

    15.6集成scikit-learn

    15.7总结

    第十六章数据可视化

    16.1标签云

    16.2Zeppelin的使用

    16.3Mathplotlib的使用

    16.4Superset的使用

    16.5总结

    附录

    兰一杰,资深软件、项目经理,对Python大数据、人工智能、深度学习等有深入研究并能灵活整合运用。多年从事通过Python实施自动化运维、主数据项目、大数据分析项目的开发工作,涉及靠前各大房地产企业、金融企业、机关灯领域。

    1.理论与实践相结合:先对功能模块进行理论讲解,然后使用代码进行演示说明,由浅入深层层推进,易学易懂;
    2.技术的整合强:对大数据平台的各项功能模块进行集成使用,以实现对不同需求使用合理技术进行处理;
    3.体系的完备好:大数据平台中数据的导入、分析、挖掘、可视化等均使用Python处理,系统学习项目开发的全流程;

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购