python123csv格式清洗与转换_干净的数据 数据清洗入门与实践

干净的数据 数据清洗入门与实践是一本数据清洗指导学习书籍，由美国的Megan Squie编著，本书从文件格式、数据类型、字符编码等基本概念讲起，通过真实的示例，探讨如何提取和清洗关系型数据库、网页文件和PDF文档中的数据。最后提供了两个真实的项目，让读者将所有数据清洗技术付诸实践，完成整个数据科学过程，适合任何一个对数据清洗感兴趣的人阅读。

内容简介数据清洗是数据挖掘与分析过程中不可缺少的一个环节，但因为数据类型极其复杂，传统的清洗脏数据工作单调乏味且异常辛苦。如果能利用正确的工具和方法，就可以让数据清洗工作事半功倍。

如果你是一位数据科学家，或者从事数据科学工作，哪怕是位新手，只要对数据清洗有兴趣，那么《干净的数据 数据清洗入门与实践》就适合你阅读！

- 理解数据清洗在整个数据科学过程中的作用

- 掌握数据清洗的基础知识，包括文件清洗、数据类型、字符编码等

- 发掘电子表格和文本编辑器中与数据组织和操作相关的重要功能

- 学会常见数据格式的相互转换，如JSON、CSV和一些特殊用途的格式

- 采用三种策略来解析和清洗HTML文件中的数据

- 揭开PDF文档的秘密，提取需要的数据

- 借助一系列解决方案来清洗存放在关系型数据库里的坏数据

- 创建自己的干净数据集，为其打包、添加授权许可并与他人共享

- 使用书中的工具以及Twitter和Stack Overflow数据，完成两个真实的项目

《干净的数据 数据清洗入门与实践》主要内容包括：数据清洗在数据科学领域中的重要作用，文件格式、数据类型、字符编码的基本概念，组织和处理数据的电子表格与文本编辑器，各种格式数据的转换方法，解析和清洗网页上的HTML 文件的三种策略，提取和清洗PDF 文件中数据的方法，检测和清除RDBMS 中的坏数据的解决方案，以及使用书中介绍的方法清洗来自Twitter 和Stack Overflow 的数据。

干净的数据 数据清洗入门与实践章节目录目录

第1 章 为什么需要清洗数据 1

1．1　新视角　1

1．2　数据科学过程　2

1．3　传达数据清洗工作的内容　3

1．4　数据清洗环境　4

1．5　入门示例　5

1．6　小结　9

第2　章 基础知识——格式、 类型与编码　11

2．1　文件格式　11

2．1．1　文本文件与二进制文件　11

2．1．2　常见的文本文件格式　14

2．1．3　分隔格式　14

2．2　归档与压缩　20

2．2．1　归档文件　20

2&#