书名：数据预处理从入门到实战 基于SQL、R、Python  
定价：89.0  
ISBN：9787115552327  
作者：本桥智光  
版次：第1版  
出版时间：2021-02  

内容提要：  
在大数据、人工智能时代，数据分析必不可少。本书以数据分析中到关重要的数据预处理为主题，通过54道例题具体介绍了基于SQL、R、Python的处理方法和相关技巧。全书共4个部分：*1部分介绍预处理的基础知识；*2部分介绍以数据结构为对象的预处理，包括数据提取、数据聚合、数据连接、数据拆分、数据生成和数据扩展；第3部分介绍以数据内容为对象的预处理，涉及数值型、分类型、日期时间型、字符型和位置信息型；第4部分为预处理实战，介绍与实际业务相同的预处理流程。 本书适合新手数据科学家、系统工程师、具备编程及数理基础的技术人才，以及对数据挖掘和数据分析等感兴趣的人阅读。  



作者简介：  
本桥智光（作者） 先后在系统开发公司担任研究员，在互联网企业担任数据科学家，目前在数字医疗初创公司SUSMED株式会社担任CTO，同时就职于HOXO-M株式会社，并以自由职业者的身份从事量子退火计算机的验证工作，拥有制造业、零售业、金融业、运输业、休闲业和互联网等多个行业的数据分析经验。曾在KDD CUP 2015中赢得亚军。爱好是开发马里奥AI。 Twitter：@tomomoto_LV3 陈涛（译者） 运筹学硕士毕业，主要从事数据库、数据分析工作，对机器学习、深度学习领域相关的理论和技术较为熟悉。因兴趣自学日语，一直致力于追求兴趣和工作的*美结合。 邮箱：victory123_456@163.com  

目录：  
第 1部分　预处理入门 1  
第　1章 什么是预处理　2  
1-1　数据　2  
记录数据　2  
数据类型　3  
1-2　预处理的作用　3  
机器学习　4  
无监督学习和有监督学习　4  
用于数据分析的3种预处理　5  
1-3　预处理的流程　6  
对数据结构的预处理　7  
对数据内容的预处理　7  
预处理的步骤　7  
1-4　3种编程语言　9  
正确使用编程语言　9  
1-5　包和库　10  
用于数据分析的包和库　10  
1-6　数据集　11  
酒店预订记录　12  
工厂产品记录　13  
月度指标记录　14  
文本数据集　14  
1-7　读取数据　14  
第　2部分 对数据结构的预处理　19  
第　2章 数据提取　20  
2-1　提取指定的列　20  
Q　提取列　21  
2-2　按指定条件提取　26  
Q　按条件提取数据行　28  
Q　间接利用索引提取数据行　33  
2-3　不基于数据值的采样　35  
Q　随机采样　35  
2-4　基于聚合ID的采样　38  
Q　按ID采样　39  
第3章　数据聚合　43  
3-1　计算数据条数和类型数　43  
Q　计数和唯*值计数　44  
3-2　计算合计值　48  
Q　合计值　48  
3-3　计算*值、代表值　50  
Q　代表值　51  
3-4　计算离散程度　54  
Q　方差和标准差　54  
3-5　计算众数　57  
Q　众数　58  
3-6　排序　61  
排序函数　61  
Q　为时序数据添加编号　62  
Q　排序　66  
第4章　数据连接　69  
4-1　主表的连接　69  
Q　主表的连接　70  
4-2　切换按条件连接的表　77  
Q　切换按条件连接的主表　77  
4-3　连接历史数据　84  
Q　获取往前数第n条记录的数据　85  
Q　前n条记录的合计值　88  
Q　前n条记录的平均值　92  
Q　过去n天的合计值　95  
4-4　交叉连接　99  
Q　交叉连接处理　99  
第5章　数据拆分　105  
5-1　记录数据中模型验证数据的拆分　105  
Q　交叉验证　107  
5-2　时序数据中模型验证数据的拆分　111  
Q　准备时序数据中的训练数据和验证数据　113  
第6章　数据生成　117  
6-1　通过欠采样调整不平衡数据　118  
6-2　通过过采样调整不平衡数据　119  
Q　过采样　120  
第7章　数据扩展　124  
7-1　转换为横向显示　124  
Q　转换为横向显示　125  
7-2　转换为稀疏矩阵　128  
Q　稀疏矩阵　128  
第3部分　对数据内容的预处理　131  
第8章　数值型　132  
8-1　转换为数值型　132  
Q　各种数据类型的转换　132  
8-2　通过对数化实现非线性变换　135  
Q　对数化　137  
8-3　通过分类化实现非线性变换　139  
Q　数值型的分类化　140  
8-4　归一化　142  
Q　归一化　143  
8-5　删除异常值　146  
Q　根据标准差删除异常值　146  
8-6　用主成分分析实现降维　148  
Q　用主成分分析实现降维　149  
8-7　数值填充　152  
Q　删除缺失记录　153  
Q　用常数填充　155  
Q　均值填充　157  
Q　用PMM实现多重插补　160  
第9章　分类型　164  
9-1　转换为分类型　164  
Q　分类型的转换　165  
9-2　哑变量化　168  
Q　哑变量化　169  
9-3　分类值的聚合　171  
Q　分类值的聚合　172  
9-4　分类值的组合　175  
Q　分类值的组合　175  
9-5　分类型的数值化　177  
Q　分类型的数值化　178  
9-6　分类型的填充　181  
Q　用KNN填充　182  
第　10章 日期时间型　185  
10-1　转换为日期时间型、日期型　185  
Q　日期时间型、日期型的转换　185  
10-2　转换为年、月、日、时、分、秒、星期　189  
Q　获取各日期时间元素　190  
10-3　转换为日期时间差　194  
Q　计算日期时间差　195  
10-4　日期时间型的增减　200  
Q　日期时间的增减处理　200  
10-5　转换为季节　203  
Q　转换为季节　204  
10-6　转换为时间段　208  
10-7　转换为工作日、休息日　209  
Q　添加休息日标志　209  
第　11章 字符型　212  
11-1　通过形态分析进行分解　213  
Q　提取名词和动词　213  
11-2　转换为单词的集合数据　215  
Q　创建词袋　216  
11-3　用TF-IDF调整单词权重　220  
Q　创建使用TF-IDF的词袋　221  
第　12章 位置信息型　224  
12-1　从日本坐标系到世界坐标系的转换以及从度、分、秒到度的转换　224  
Q　从日本坐标系转换为世界坐标系　224  
12-2　两点间距离、方向的计算　228  
Q　计算距离　228  
第4部分　预处理实战　233  
第　13章 实战练习　234  
13-1　聚合分析的预处理　234  
Q　聚合分析的准备工作　234  
13-2　用于推荐的预处理　238  
Q　生成推荐矩阵　238  
13-3　预测建模的预处理　243  
Q　用于预测建模的预处理　243  
结语　254  
参考文献　255