Bad Data Handbook
Bad Data Handbook
复制标题
不良数据手册
DOI：
--
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Q. E. McCallum
中科院分区：
文献类型：
--
作者：
Q. E. McCallum
欢迎来到数据科学的肮脏秘密：现实世界的数据是杂乱的。数据科学家必须花大量时间扮演软件开发人员的角色，编写代码清理数据，然后才能真正利用数据做任何有建设性的事情。这是一个必要的邪恶，但你仍然可以最大限度地利用它。这本实用的书通过几个真实世界的例子来演示使用和清理脏数据背后的理论和实践。没有一个工具能很好地解决所有问题。明智的数据科学家学习了许多工具，并了解每一种工具的亮点。为此，本书采用了多种语言的方法：大多数示例将涉及R和Python，但预计偶尔会有少许Groovy和sed/awk乐趣。
Welcome to data science's dirty secret: real-world data is messy. Data scientists must spend a good deal of time playing software developer, writing code to clean up data before they can actually do anything constructive with it. It's a necessary evil, but you can still make the most of it. This practical book walks you through several real-world examples to demonstrate the theory and practice behind working with and cleaning up dirty data. No one tool solves all of the problems well. Wise data scientists learn many tools and learn where each one shines. To that end, this book takes a polyglot approach: most examples will involve R and Python, but expect the occasional smattering of Groovy and sed/awk fun.