本書以數(shù)據(jù)分析領域*熱的Python語言為主要線索，介紹了數(shù)據(jù)分析庫numpy、Pandas與機器學習庫scikit-learn，使用了可視化環(huán)境Orange 3來理解算法的一些細節(jié)。對于機器學習，既有常用算法KNN與Kmeans的應用，決策樹與*森林的實戰(zhàn)，還涉及常用特征工程與深度學習中的自動編程器。在大數(shù)據(jù)Hadoop與Hive環(huán)境的基礎之上，使用Spark的ML/MLlib庫集成了前面的各部分內(nèi)容，讓分布式機器學習更容易。大量的工具與技能實戰(zhàn)的介紹將各部分融合成一個全棧的數(shù)據(jù)科學內(nèi)容。
執(zhí)利器而守重鎮(zhèn)Python*強大的領域在數(shù)據(jù)科學
窺全貌而知路徑整合Linux|Python|SQL|Hadoop|Hive|Spark|數(shù)據(jù)挖掘|機器學習|深度學習
知原理而致應用全棧數(shù)據(jù)既指數(shù)據(jù)技術，也指業(yè)務數(shù)據(jù)，生產(chǎn)環(huán)境是*終的檢驗場。
立平臺而生數(shù)據(jù)建設強大數(shù)據(jù)平臺，是支撐產(chǎn)品也業(yè)務的必由之路。
0x00 自序
慈悲為懷大數(shù)據(jù)，云中仙游戒為師。這是自己從幾年前一直沿用到現(xiàn)在的簽名，幾年之后的今天，再來體會這句話，不一樣的處境，不一樣的心境，卻依然有著同樣的追求。曾想出世修行，渴望每日有高山流水相伴，能過著青燈古佛的生活。終因現(xiàn)實殘酷只得入世而求存，在多少次碌碌無為中堅定了技術這條路。技術之路，注定會一波三折。在下也經(jīng)歷了從安全測試、安全分析，到大數(shù)據(jù)分析，再到 APP后端開發(fā)，直至數(shù)據(jù)分析、機器學習與深度學習之后，技術之棧才得以完全確立。技術之路漫長而曲折，需要不斷修行，目前我也僅僅是入得門內(nèi)，自此方有機會窺探神秘數(shù)據(jù)世界之一二而已。少年不識愁滋味，為賦新詞強說愁。而今識盡愁滋味，卻道天涼好個秋。學無止境。曾經(jīng)以為學會 Linux便夠了，殊不知，這僅僅是系統(tǒng)的基礎；后來學了 Python，以為這便是編程的全部；殊不知， Python最強大的領域在數(shù)據(jù)科學；直到接觸大數(shù)據(jù)與機器學習，才發(fā)現(xiàn)，原來種種際遇，都只是為數(shù)據(jù)科學而鋪設的套路。
本書并非從入門到精通的講解，只是想通過淺顯易懂的語言讓讀者了解全棧數(shù)據(jù)的全貌。閱讀本書時，如果其中某個知識點，讓你入了門，我甚感欣慰；如果其中某節(jié)內(nèi)容，讓你得到了提高，我備受鼓舞。另外，入門之路千千萬，用時下流行的話來說，只希望本書不會導致你從入門到放棄。
全棧數(shù)據(jù)，主要想盡可能多地涉及數(shù)據(jù)科學中的主題。任何復雜的技術，都是一點點積累起來的，數(shù)據(jù)科學也不例外。如果能將本書中涉及的全棧數(shù)據(jù)技術，如 Linux、Python、SQL、Hadoop、Hive、Spark、數(shù)據(jù)挖掘、機器學習與深度學習進行系統(tǒng)性整合，則全棧數(shù)據(jù)之技可成也。
詩詞歌賦，是詩人與詞人對人生的情感寄托；技術寫作，也是技術人員對技術的情感寄托。
然術業(yè)有專攻，每個人的知識都是有限的，寫書的目的，并非要證明自己，而是把自己所知所想記錄下來，讓讀者能有哪怕一小點的收獲即可。
全棧并非全能，錢都不是萬能的，何況技術乎？在數(shù)據(jù)領域，都懂一點，生活會更美好。
全棧是一種修行，數(shù)據(jù)技術如此，人生亦如是：
閱讀本書，不能讓你立刻走上人生巔峰、出任 CEO……但至少可以達到以下幾點：
本書是一本無固定主題的技術文集合體，圍繞數(shù)據(jù)這個主線，進行了大量的展開，從不同的側面去靠近全棧數(shù)據(jù)技能，去靠近數(shù)據(jù)科學這個大主題。因內(nèi)容寬泛，且作者水平有限，不足之處甚多，若讀者發(fā)現(xiàn)書中的問題，還望不吝指正。可以通過我的微信公眾號 yunjie-talk反饋問題，我將不勝感激。
最后，本書得以成冊出版，必須要感謝電子工業(yè)出版社計算機出版分社的張春雨老師，伯樂張老師于雜亂文字中，發(fā)現(xiàn)了閃光之處，促成了本書的問世。世人皆說本書體裁太亂，無章法可言，唯張伯樂以無招勝有招接下，眾皆信服。
本書在寫作過程中，得益于愛妻梁玉霞女士的大力支持，常于深夜端茶倒水，詢問進度，并且照顧家庭與小孩，讓我可以抽出大量時間來書寫，感激之情在心，在此道謝。與此同時，也感謝全力支持我寫作的父母，他們幫忙照顧小孩與生活，對我學業(yè)、事業(yè)與寫作的支持，讓我感恩。
另外，本書在寫作過程中，得到好友司旭鵬的很多支持與建議，在初稿審校過程中，得到好友尹高峰、盧西、彭璽錦的很多建議與修改，在此一并感謝。因為你們的付出，讓本書質(zhì)量得到了提升，非常感謝。
在寫作本書的約一年時間之內(nèi)，還得到了其他很多朋友、同事的大量建議，在此雖不一一提名，但必須要感謝你們的支持。
云戒2016.11.11 于成都
前言 自強不息，厚德載物
本書共有 8個章節(jié)的內(nèi)容，涉及數(shù)據(jù)科學中的相關基礎知識與內(nèi)容，但內(nèi)容的編排并非完全從易到難，有部分文章的內(nèi)容，是需要用到其他章節(jié)的知識的。
相對來說，第 1、2、3章，內(nèi)容比較單一，涉及基礎的 Linux、Python與 Hadoop知識。如果對這三章中的某些知識不熟悉，建議先閱讀。第 4章比較特殊，其內(nèi)容也是數(shù)據(jù)科學中比較重要的，不僅需要前 3章的知識，也需要部分 Spark的知識，因為 Spark的特殊性，單獨放到機器學習之后了。
第 5、6章，涉及數(shù)據(jù)科學中最重要的主題：機器學習與算法，介紹了機器學習的常用環(huán)境、概念、方法以及幾個典型的算法應用。這兩章是本書的難點，如果不熟悉，必須單獨攻克。
第 7章，Spark本身就是一個全棧框架，無論是在分布式計算還是在機器學習領域，都大有用處。因此最好有前面章節(jié)的基礎知識，方能更好地理解本章的內(nèi)容，尤其是 MLlib/ML庫，必須有機器學習算法的知識。
最后一章，反而是最簡單的，因為基本不涉及技術細節(jié)，但對整個數(shù)據(jù)科學的理解，以及技術積累都是非常重要的。
本書章節(jié)的編排，在一定程度上參考了知識的由易到難，另外一個方面，也參考了《易經(jīng)》的乾坤兩個卦象。不需要讀者熟悉乾坤兩個卦象，下面會將其中乾坤兩個卦的爻辭進行粗略的解釋。不需要讀者完全理解，只求有個概念上的認識即可。
全棧數(shù)據(jù)，其中的數(shù)據(jù)既指數(shù)據(jù)技術，也指業(yè)務數(shù)據(jù)。只有將技術應用到業(yè)務中，才能在實際的生產(chǎn)環(huán)境中發(fā)揮作用。
介紹卦象的時候，是由低層次向高層次漸漸提升的，對應的技能與業(yè)務也一樣。從 Linux走向數(shù)據(jù)科學，就是一個技能提升的過程，類似的，從數(shù)據(jù)采集到數(shù)據(jù)應用也是對業(yè)務從入門到應用的一個過程。
01 全棧技能，自強不息
乾坤為一體，況且一陰一陽之謂道。世界上不可能只有男人而沒有女人，正如不可能只有女神而沒有女漢子一樣。因此，和純陽卦乾卦相對的便是純陰卦坤卦了。
乾卦，正是天行健，君子以自強不息。下面先用乾卦來說全棧技術。
1.1 Linux，潛龍勿用
初九爻，爻辭為：潛龍勿用。
乾卦每一爻都代表了一條龍，初九爻為潛龍。潛字很有意思，是叫你要藏起來，不要露面，那能干什么呢？
剛接觸 Linux，覺得 Linux非常自由。此時剛開始入門，興趣最重要，這一階段，需要打好各種系統(tǒng)與命令行的基礎。
要做好數(shù)據(jù)科學，不學 Linux不行，不論你喜歡與否。后續(xù)的 Python、 Spark、Hadoop、數(shù)據(jù)挖掘等都需要用到大量基礎的 Linux知識。勿用的意思是，時候不到就不要用，當準備好了，就要用。
Linux只是一個基礎系統(tǒng)，必須要結合實際的業(yè)務來更好地應用，勿用到最后就是為了要用，此時就進入了第二階段。
1.2 Python，見龍在田
九二爻，爻辭為：見龍在田，利見大人。
見（xiàn）通現(xiàn)，意為展現(xiàn)，要能在工作中快速解決問題，學習 Python，就可以讓你快速展現(xiàn)出業(yè)績來。由 Python入門數(shù)據(jù)分析與數(shù)據(jù)挖掘，這算是程序員入行數(shù)據(jù)挖掘最好的方法了， Python目前最火的領域，就是在數(shù)據(jù)科學領域。況且 Python語法優(yōu)美，第三方庫龐大且高效，專門用于快速解決問題。
Python是一條巨龍，一旦展現(xiàn)在田野，必須拿出一點實力來表現(xiàn)自己，對上面的大人有利。從 Linux過來，將 Python應用到業(yè)務中，快速地解決了問題，業(yè)績自然來了，其利也自現(xiàn)了。
在數(shù)據(jù)科學中，學了 Python的開發(fā)與數(shù)據(jù)分析，這還只是基礎，還有另外一個工程領域的技能大數(shù)據(jù)，需要學習。此時，進入九三爻。
1.3 大數(shù)據(jù)，終日乾乾
所有的事件都會進入第三階段，即九三爻，爻辭為：君子終日乾乾，夕惕若，厲無咎。
君子，指有志氣、有抱負的人。整天都很努力地學習，是會被人嫉妒的，所以言行都要小心。
工作中，必須要兢兢業(yè)業(yè)，努力做好工作。太陽下山之后，更需要警惕，時刻告誡自己，三天不學習，可能就趕不上曾經(jīng)比自己差的人了。必須要利用業(yè)余時間學習新技術，而以 Hadoop為代表的大數(shù)據(jù)，正是近年來火得一塌糊涂的技術，況且網(wǎng)上的學習資料已經(jīng)非常多了。
這是一門在學校很難學到的技術，因此必須自己利用業(yè)余時間，每天厲兵秣馬，努力讓自己的數(shù)據(jù)科學技能更加完善。
1.4 機器學習，或躍在淵
有些人和事，是沒有第四階段的，因為他們可能一輩子就留在第三階段。進入第四階段，即九四爻：或躍在淵，無咎。
學習了前面三種技術（ Linux、Python和大數(shù)據(jù)）后，要想再深入，此時必須往數(shù)據(jù)挖掘與機器學習方面發(fā)展。數(shù)據(jù)挖掘與數(shù)據(jù)分析還是有一定區(qū)別的，數(shù)據(jù)挖掘更偏向于使用算法解決問題，而分析更多是偏統(tǒng)計與業(yè)務（包括運營、產(chǎn)品）層面的。
尤其是機器學習，要看得懂 scikit-learn的文檔，必須輔助以相應的理論基礎，涉及數(shù)學、統(tǒng)計學、計算機等多個領域。
一部分人在此階段向機器學習方向跳躍，可是沒有堅定的信念，最后就真應了那句從入門到放棄的話了。
機器學習，因其特殊的學科領域，由程序員轉(zhuǎn)過來的占很大一部分，要想躍上去，必須堅定信念，不忘初心。對碼農(nóng)而言，其難，就難在理論。下足工夫，堅持苦修，一定會有所成就。
1.5 Spark，飛龍在天
過了九四階段，到九五階段也容易。而九五階段也是最舒服的階段，我們常說的九五至尊便是這個階段。爻辭為：飛龍在天，利見大人。
有了前面的基礎，再學習 Spark技術，相對就很容易了。再面對 Spark中的機器學習庫 ML或 MLlib，也就不會束手無策了。 Spark可以說是前面技能的集大成者，需要 HDFS文件的支持，能天生支持 Hive的數(shù)據(jù)，能使用 Python的 API接口，以前在 Python中能用的那些庫，在 Spark中，通通都能用，而且效率更高。
技能到了，境界也差不了多少，渾身散發(fā)的數(shù)據(jù)氣場也很強。此階段也可以認為是第二階段的見龍眼中的大人了，行事也需要有大人的風范才行。
1.6 數(shù)據(jù)科學，亢龍有悔
做技術的人，其實比較希望停留在九五階段，可卻經(jīng)常事與愿違啊！而且物極必反的道理相信你也懂，事物的發(fā)展是不會停止的。過了九五階段，還有九六階段。九六爻爻辭為：亢龍有悔。
有的人感覺自己領悟了整個數(shù)據(jù)科學的技能與本質(zhì)，其實也還只是一些皮毛，若此時停止不前，甚至轉(zhuǎn)向管理，那么技術也就基本荒廢了。
正確的做法應該是，回頭再去加深領悟各個階段的技術與技能，將其更好地應用到業(yè)務中去。回想曾經(jīng)犯
作者一直工作在數(shù)據(jù)處理與數(shù)據(jù)挖掘的第一線，具有豐富的理論知識和實踐經(jīng)驗，且精通多種數(shù)據(jù)挖掘與分析的工具的使用，文筆也不錯，相信能為讀者奉獻一本質(zhì)量上乘的佳作。
目錄
前言 自強不息，厚德載物 / XIX
0x1 Linux，自由之光 / 001
0x10 Linux，你是我的眼 / 001
0x11 Linux基礎，從零開始 / 003
01 Linux之門 / 003
02 文件操作 / 004
03 權限管理 / 006
04 軟件安裝 / 008
05 實戰(zhàn)經(jīng)驗 / 010
0x12 Sed與 Grep，文本處理 / 010
01 文本工具 / 010
02 grep的使用 / 011
03 grep家族 / 013
04 sed的使用 / 014
05 綜合案例 / 016
0x13 數(shù)據(jù)工程，必備 Shell / 018
01 Shell分析 / 018
02 文件探索 / 019
03 內(nèi)容探索 / 020
04 交差并補 / 020
05 其他常用的命令 / 021
06 批量操作 / 022
07 結語 / 025
0x14 Shell 快捷鍵，Emacs 之門 / 025
01 提高效率 / 025
02 光標移動 / 026
03 文本編輯 / 027
04 命令搜索 / 028
05 Emacs 入門 / 029
06 Emacs 思維 / 031
0x15 緣起Linux，一入Mac 誤終身 / 032
01 開源生萬物 / 032
02 有錢就換Mac / 032
03 程序員需求 / 033
04 非程序員需求 / 034
05 一入Mac 誤終身 / 035
0x16 大成就者，集群安裝 / 036
01 離線安裝 / 036
02 Host 與SSH 配置 / 037
03 sudo 與JDK 環(huán)境 / 039
04 準備Hadoop 包 / 040
05 開啟HTTP 與配置源 / 041
06 安裝ambari-server / 041
07 后續(xù)服務安裝 / 042
08 結語 / 044
0x2 Python，道法自然 / 045
0x20 Python，靈犀一指 / 045
0x21 Python 基礎，興趣為王 / 047
01 第一語言 / 047
02 數(shù)據(jù)結構 / 047
03 文件讀寫 / 049
04 使用模塊 / 050
05 函數(shù)式編程 / 052
06 一道面試題 / 053
07 興趣驅(qū)動 / 055
0x22 喜新厭舊，2遷移 3 / 056
01 新舊交替 / 056
02 基礎變化 / 057
03 編碼問題 / 058
04 其他變化 / 058
05 2to3腳本 / 060
06 PySpark配置 / 061
07 喜新厭舊 / 062
0x23 Anaconda，IPython / 062
01 Anaconda / 062
02 安裝與配置 / 063
03 pip與源 / 064
04 IPython與 Jupyter / 065
05 結語 / 067
0x24 美不勝收，Python工具 / 067
01 緣起 / 067
02 調(diào)試與開發(fā) / 068
03 排版與格式化 / 070
04 輔助工具 / 072
05 實用推薦 / 074
0x25 numpy基礎，線性代數(shù) / 075
01 numpy的使用 / 075
02 索引與切片 / 076
03 變形與統(tǒng)計 / 078
04 矩陣運算 / 080
05 實用方法 / 083
06 結語 / 085
0x26 numpy實戰(zhàn)，PCA降維 / 085
01 PCA介紹 / 085
02 數(shù)據(jù)均值化 / 086
03 協(xié)方差矩陣 / 087
04 特征值與向量 / 088
05 數(shù)據(jù)映射降維 / 089
06 sklearn 實現(xiàn) / 090
0x3 大數(shù)據(jù)，其大無外 / 093
0x30 太大數(shù)據(jù)，極生兩儀 / 093
0x31 神象住世，Hadoop / 095
01 Hadoop / 095
02 HDFS / 096
03 角色與管理 / 097
04 文件操作 / 098
05 結語 / 100
0x32 分治之美，MapReduce / 100
01 map 與reduce 函數(shù) / 100
02 分而治之 / 102
03 Hello,World / 103
04 Streaming 接口 / 105
0x33 Hive 基礎，蜂巢與倉庫 / 106
01 引言 / 106
02 Hive 接口 / 107
03 分區(qū)建表 / 108
04 分區(qū)機制 / 110
05 數(shù)據(jù)導入/ 導出 / 111
06 Hive-QL / 112
07 結語 / 114
0x34 Hive 深入，實戰(zhàn)經(jīng)驗 / 115
01 排序與分布式 / 115
02 多表插入與mapjoin / 116
03 加載map-reduce 腳本 / 117
04 使用第三方UDF / 119
05 實戰(zhàn)經(jīng)驗 / 120
06 生成唯一ID / 121
0x35 HBase庫，實時業(yè)務 / 122
01 理論基礎 / 122 02 Shell操作 / 123 03 關聯(lián) Hive表 / 126 04 數(shù)據(jù)導入 / 128 05 實用經(jīng)驗 / 130
0x36 SQL與 NoSQL，Sqoop為媒 / 130
01 SQL與 NOSQL / 130 02 從 MySQL導入 HDFS / 131 03 增量導入 / 134 04 映射到 Hive / 135 05 導入 Hive表 / 136 06 從 HDFS導出到 MySQL / 137 07 從 Hive導出到 MySQL / 138
0x4 數(shù)據(jù)分析，見微知著 / 141
0x40 大數(shù)據(jù)分析，魯班為祖師 / 141 0x41 SQL技能，必備 MySQL / 143
01 SQL工具 / 143 02 基礎操作 / 144 03 查詢套路 / 145 04 join查詢 / 146 05 union與 exists / 149 06 實戰(zhàn)經(jīng)驗 / 151
0x42 快刀 awk，斬亂數(shù)據(jù) / 152
01 快刀 / 152 02 一二三要點 / 152 03 一個示例 / 154 04 應用與統(tǒng)計 / 154 05 斬亂麻 / 156
0x43 Pandas，數(shù)據(jù)之框 / 157
01 數(shù)據(jù)為框 / 157
02 加載數(shù)據(jù) / 158
03 行列索引 / 159
04 行列操作 / 161
05 合并聚合 / 163
06 迭代數(shù)據(jù) / 164
07 結語 / 165
0x44 Zeppelin，一統(tǒng)江湖 / 166
01 心潮澎湃 / 166
02 基本使用 / 168
03 SQL 與可視化 / 169
04 安裝Zeppelin / 172
05 配置Zeppelin / 173
06 數(shù)據(jù)安全 / 174
07 使用心得 / 176
0x45 數(shù)據(jù)分組，聚合窗口 / 177
01 MySQL 聚合 / 177
02 Spark 聚合 / 178
03 非聚合字段 / 179
04 Hive 實現(xiàn) / 180
05 group_concat / 181
06 Hive 窗口函數(shù) / 183
07 DataFrame 窗口 / 184
08 結語 / 185
0x46 全棧分析，六層內(nèi)功 / 186
01 引言 / 186
02 MySQL 版本 / 186
03 awk 版本 / 187
04 Python 版本 / 188
05 Hive 版本 / 189
06 map-reduce 版本 / 190
07 Spark 版本 / 190
08 結語 / 191
0x5 機器學習，人類失控 / 193
0x50 機器學習，瑯琊論斷 / 193 0x51 酸酸甜甜，Orange / 195
01 可視化學習 / 195 02 數(shù)據(jù)探索 / 196 03 模型與評估 / 199 04 組件介紹 / 200 05 與 Python進行整合 / 202 06 結語 / 204
0x52 sklearn，機器學習 / 205
01 sklearn介紹 / 205 02 數(shù)據(jù)預處理 / 206 03 建模與預測 / 207 04 模型評估 / 209 05 模型持久化 / 210 06 三個層次 / 210
0x53 特征轉(zhuǎn)換，量綱伸縮 / 211
01 特征工程 / 211 02 獨熱編碼 / 212 03 sklearn示例 / 213 04 標準化與歸一化 / 215 05 sklearn與 Spark實現(xiàn) / 216 06 結語 / 219
0x54 描述統(tǒng)計，基礎指標 / 220
01 描述性統(tǒng)計 / 220 02 Pandas實現(xiàn) / 222 03 方差與協(xié)方差 / 223 04 Spark-RDD實現(xiàn) / 224 05 DataFrame實現(xiàn) / 226 06 Spark-SQL實現(xiàn) / 227 07 結語 / 227
0x55 模型評估，交叉驗證 / 228
01 測試與訓練 / 228
02 評價指標 / 229
03 交叉驗證 / 231
04 驗證數(shù)據(jù) / 232
05 OOB 數(shù)據(jù) / 233
0x56 文本特征，詞袋模型 / 234
01 自然語言 / 234
02 中文分詞 / 235
03 詞袋模型 / 236
04 詞頻統(tǒng)計 / 237
05 TF-IDF / 238
06 結語 / 239
0x6 算法預測，占天卜地 / 241
0x60 命由己做，福自己求 / 241
0x61 近朱者赤，相親kNN / 243
01 樸素的思想 / 243
02 算法介紹 / 243
03 分類與回歸 / 244
04 k 與半徑 / 245
05 優(yōu)化計算 / 246
06 實例應用 / 247
0x62 物以類聚，Kmeans / 248
01 算法描述 / 248
02 建立模型 / 249
03 理解模型 / 251
04 距離與相似性 / 252
05 降維與可視化 / 253
06 無監(jiān)督學習 / 255
0x63 很傻很天真，樸素貝葉斯 / 257
01 樸素思想 / 257
02 概率公式 / 257
03 三種實現(xiàn) / 258
04 sklearn 示例 / 260
05 樸素卻不傻 / 262
0x64 菩提之樹，決策姻緣 / 263
01 緣起 / 263 02 Orange演示 / 264 03 scikit-learn模擬 / 266 04 熵與基尼指數(shù) / 267 05 決策過程分析 / 268 06 Spark模擬 / 270 07 結語 / 271
0x65 隨機之美，隨機森林 / 271
01 樹與森林 / 271 02 處處隨機 / 273 03 sklearn示例 / 274 04 MLlib示例 / 275 05 特點與應用 / 276
0x66 自編碼器，深度之門 / 277
01 深度學習 / 277 02 特征學習 / 278 03 自動編碼器 / 280 04 Keras代碼 / 282 05 抗噪編碼器 / 283
0x7 Spark，唯快不破 / 285
0x70 人生苦短，快用 Spark / 285 0x71 PySpark之門，強者聯(lián)盟 / 287
01 全棧框架 / 287 02 環(huán)境搭建 / 288 03 分布式部署 / 289 04 示例分析 / 290 05 兩類算子 / 292 06 map與 reduce / 293 07 AMPLab的野心 / 294
0x72 RDD 算子，計算之魂 / 295
01 算子之道 / 295
02 獲取數(shù)據(jù) / 296
03 過濾與排序 / 297
04 聚合數(shù)據(jù) / 298
05 join 連接 / 299
06 union 與zip / 300
07 讀寫文件 / 301
08 結語 / 303
0x73 分布式SQL，蝶戀飛舞 / 304
01 SQL 工具 / 304
02 命令行CLI / 304
03 讀Hive 數(shù)據(jù) / 305
04 將結果寫入Hive / 306
05 讀寫MySQL 數(shù)據(jù) / 307
06 讀寫三種文件 / 308
0x74 DataFrame，三角之戀 / 310
01 DataFrame / 310
02 生成數(shù)據(jù)框 / 311
03 合并與join / 313
04 select 操作 / 314
05 SQL 操作 / 315
06 自定義UDF / 316
07 三角之戀 / 318
0x75 神器之父，Scala 入世 / 319
01 Spark 與Scala / 319
02 Scala REPL / 320
03 編譯Scala / 321
04 sbt 編譯 / 322
05 示例分析 / 323
06 編譯提交 / 325
0x76 機器之心，ML 套路 / 326
01 城市套路深 / 326
02 算法與特征工程 / 327 03 管道工作流 / 328 04 OneHotEncoder示例 / 329 05 ML回歸實戰(zhàn) / 331 06 特征處理與算法 / 332 07 擬合與評估 / 334
0x8 數(shù)據(jù)科學，全棧智慧 / 337
0x80 才高八斗，共分天下 / 337 0x81 自學數(shù)據(jù)，神蟒領舞 / 339
01 機器學習 / 339 02 語言領域 / 339 03 Python數(shù)據(jù)生態(tài) / 340 04 相關資料 / 341 05 書籍推薦 / 342 06 性感的職業(yè) / 343
0x82 數(shù)據(jù)科學，七大技能 / 343
01 七大技能 / 343 02 SQL與 NoSQL技能 / 344 03 Linux工具集 / 344 04 Python或者 R語言生態(tài) / 345 05 Hadoop與 Spark生態(tài) / 345 06 概率、統(tǒng)計與線性代數(shù) / 34
新書資訊