本书详细讲解了Python数据分析的相关内容，共分为10章，第1～9章分别讲解了数据分析概述、Python与数据分析、Python语言基础、NumPy数组与矢量计算、用NumPy进行简单统计分析、数据可视化——Matplotlib库、pandas数据分析基础、用pandas进行数据预处理、机器学习库scikit-learn入门；第10章用一个综合案例——电影数据分析项目，带领读者灵活掌握本书所学内容。 本书适合作为高

本书以项目为导向，由浅入深地介绍Excel在数据分析与可视化方面的应用。全书以自动售货机产品销售为主线，共分7个项目。项目1介绍了某企业自动售货机的经营困惑，以及自动售货机数据分析的流程；项目2为商品的整体销售情况分析；项目3为区域销售情况分析；项目4为商品库存的分析；项目5为用户行为的分析；项目6为商品销售量的预测；项目7介绍了自动售货机周报的撰写。项目2～项目7都包含了技能拓展和技能训练，可以帮助读者巩固所学的内

本书内容安排遵循学生的认知规律，结合Python的特点，将教学内容分为Python基础及数据分析两大部分。全书分为11章，前6章讲解了Python基本语法和基本应用，后5章系统地讲解了用Python爬取数据、处理数据、分析数据的方法与过程。每章除了丰富的实例外，还设计了来源于实践的项目训练及拓展训练项目，引导读者学以致用。本书可以作为高校计算机类专业和相关专业的教材，也可作为Python爱好者的自学用书。

本书主要介绍了数据分析的基础知识和实操过程。全书分为8章，首先从数据分析技术概述入手，介绍了数据分析的基本概念、数据分析的工作流程、数据分析方法论与方法，并介绍了常用的数据分析工具；接着以Excel工具为例，从数据收集、数据加工与处理、统计分析、数据展示等数据分析工作流程切入，结合具体的案例进行数据剖析；*后将理论与实践相结合，讲解了电商数据、股票数据两个真实的企业案例。本书结构清晰，案例丰富，通俗易懂，可作为大数据

本书以Hive为开发平台，主要介绍了如何使用HiveQL来查询和分析存储在Hadoop分布式文件系统上的大数据集合，具体内容包括Hive入门、Hive数据库及表操作、Hive元数据、Hive高级操作、Hive函数与Streaming、Hive视图与索引、Hive调优、Hive与HBase集成、数据迁移框架Sqoop等。本书介绍的每个任务都运用了大量案例，紧密结合实际应用，融入了含金量十足的开发经验。在此基础上，本书通

本书以任务驱动为主线，围绕企业级应用进行项目任务设计，主要内容包括数据采集与预处理准备、网络爬虫实践、日志数据采集实践和数据预处理实践，全面地讲述了Scrapy、Flume、Pig、Kettle、Pandas、OpenRefine等技术，以及urllib、Selenium基本库和BeautifulSoup解析库的相关知识与应用案例。 本书内容实用，可操作性强，语言精练、通俗易懂，可作为高等院校计算机应用技术、大数据技

本书全面地讲解了在科学领域广泛运用的微积分、概率论与数理统计、线性代数、数值计算、多元统计分析等数学基础知识。全书共6章：第1章介绍了大数据与数学、数学与Python的关系；第2章介绍了微积分的基础知识，包括极限、导数、微分、不定积分与定积分等；第3章介绍了概率论与数理统计的基础知识，包括数据分布特征、概率与概率分布、参数估计、假设检验等；第4章介绍了线性代数的基础知识，包括行列式、矩阵的运算和特征分解、奇异值分解；

本书注重基础、循序渐进，系统地讲述了Microsoft推出的智能商业数据分析软件PowerBI的相关基础知识，涵盖了安装PowerBIDesktop、获取数据、查询编辑器、数据分析表达式、数据视图、管理关系、报表、可视化效果、PowerBI服务等内容，并在最后一章以社科研究数据分析为例进行了知识点的综合讲解。对于每一个知识点，本书都尽量结合实例帮助读者学习理解。前8章最后都配有综合实例来说明本章知识的使用方法。 本书

本书以项目为导向，由浅入深地介绍Excel2016在数据获取与处理中的应用。全书共14个项目，项目1简单介绍Excel2016的界面，以及工作簿、工作表、单元格的概念；项目2介绍各种类型数据的输入；项目3介绍如何美化工作表；项目4介绍如何使用Excel获取文本数据；项目5介绍如何使用Excel获取网站数据；项目6介绍如何使用Excel获取MySQL数据库中的数据；项目7介绍如何对数据进行排序；项目8介绍如何筛选数据中

本书详细地介绍了机器学习的基本原理，并采用“原理简述+问题实例+实际代码+运行结果”的模式介绍常用算法。全书共11章，主要包括决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维等内容。

本书将基本概念与实例相结合，由浅入深、循序渐进地对大数据思维、技术和应用做了全面系统的介绍。全书共12章，分为大数据基础篇、大数据存储篇、大数据处理篇、大数据挖掘篇和大数据应用篇。 大数据基础篇的内容涵盖了大数据思维理念、大数据的产生与作用、大数据基本概念、大数据采集工具Flume和Scribe、大数据爬虫工具Nutch和Scapy、大数据预处理工具Kettle、大数据处理架构Hadoop；大数据存储篇的内容包含分布

本书以任务为导向，较为全面地介绍了不同场景下Python爬取网络数据的方法，包括静态网页、动态网页、登录后才能访问的网页、PC客户端、App等场景。全书共7章，第1章介绍了爬虫与反爬虫的基本概念，以及Python爬虫环境的配置，第2章介绍了爬取过程中涉及的网页前端基础，第3章介绍了在静态网页中爬取数据的过程，第4章介绍了在动态网页中爬取数据的过程，第5章介绍了对登录后才能访问的网页进行模拟登录的方法，第6章介绍了爬取

本书全面地讲解了在科学领域运用广泛的数据微积分、线性代数、统计学、数值计算、多元统计分析等数学基础知识。全书共6章：第1章介绍了大数据与数学、数学与R语言的关系；第2章介绍了微积分的基础知识，包括函数、极限、导数、微分、不定积分与定积分及其应用；第3章介绍了线性代数的基础知识，包括矩阵的运算、行列式、特征分解、奇异值分解；第4章介绍了统计学的基础知识，包括数据分布特征、概率论、随机变量的数字特征、参数估计、假设检验；

Hadoop是一个分布式系统的基础架构，支持对大量数据进行分布式处理，能以高效、可靠的方式完成数据处理。本书围绕Hadoop生态圈技术进行讲解，主要包括Hadoop环境配置、Hadoop分布式文件系统（HDFS）、Hadoop分布式计算框架MapReduce、Hadoop资源调度框架YARN与Hadoop新特性、Hadoop分布式数据库HBase、Oozie工作流调度系统等内容。 本书以Linux操作系统为平台，紧密

本书以理论结合示例操作的方式，全面介绍了R语言编程基础及其知识的应用，讲解了利用R语言解决部分实际问题的方法。全书共7章：第1章为R语言概述，包括学习R语言的优势、R语言的编译环境、R包的获取及加载、R包的内置数据等；第2～6章主要介绍R语言的数据对象与数据读写、数据集基本处理、函数与控制流、初级绘图、绘图；第7章主要介绍可视化数据挖掘工具Rattle。本书的每章都包含了课后习题，通过练习帮助读者巩固所学的内容。

本书以任务为导向，较为全面地介绍了商务领域中R语言数据分析的应用。全书共9章，介绍商务领域不同方向项目的数据分析方法，具体内容包括R语言数据分析概述、商品零售购物篮分析、航空公司客户价本书以任务为导向，较为全面地介绍了商务领域中R语言数据分析的应用。全书共9章，介绍商务领域不同方向项目的数据分析方法，具体内容包括R语言数据分析概述、商品零售购物篮分析、航空公司客户价值分析、财政收入预测分析、金融服务机构资金流量预测、

大数据技术让我们以一种前所未有的方式，对海量数据进行分析，从中获得有巨大价值的产品和服务，最终形成变革之力。本书围绕Hadoop和Spark两个主流大数据技术进行讲解，主要内容包括Hadoop环境配置、Hadoop分布式文件系统（HDFS）、Hadoop分布式计算框架MapReduce、Hadoop资源调度框架YARN与Hadoop新特性、Hadoop分布式数据库HBase、数据仓库Hive、大数据离线处理辅助系统、

本书以任务为导向，全面地介绍数据分析的流程和Python数据分析库的应用，详细讲解利用Python解决企业实际问题的方法。全书共9章，*1章介绍了数据分析的基本概念等相关知识；*2～6章介绍了Python数据分析的常用库及其应用，涵盖NumPy数值计算、Matplotlib数据可视化、pandas统计分析、使用pandas进行数据预处理、使用scikit-learn构建模型，较为全面地阐述了Python数据分析方法；

本书以任务为导向，较为全面地介绍了Spark大数据技术的相关知识。全书共9章，具体内容包括Spark概述；Scala基础；Spark编程；Spark编程进阶；SparkSQL：结构化数据文件处理；SparkStreaming：实时计算框架；SparkGraphX：图计算框架；SparkMLlib：功能强大的算法库；项目案例：餐饮平台菜品智能推荐。本书的大部分章节都包含了实训与课后习题，通过练习和操作实践，帮助读者巩固

本书以任务为导向，较为全面地介绍了Hadoop大数据技术的相关知识。全书共6章，具体内容包括Hadoop介绍、Hadoop集群的搭建及配置、Hadoop基础操作、MapReduce编程入门、MapReduce进阶编程、项目案例：电影网站用户性别预测。本书的2～5章包含了实训与课后练习，通过练习和操作实践，帮助读者巩固所学的内容。 本书可以作为高校大数据技术类专业的教材，也可作为大数据技术爱好者的自学用书。

本书分基础篇和提高篇两部分，共12章。基础篇包括第1-6章，具体包含Hadoop概述、Hadoop基础环境配置、分布式存储HDFS、计算模型MapReduce、计算模型Yarn、项目实战——简易网盘。提高篇包括第7-12章，具体包含协调系统Zookeeper、数据库Hbase、数据仓库Hive、数据采集Flume、数据迁移Sqoop、项目实战——OTA旅游网离线数据分析平台。