数据准备和特征工程――数据工程师必知必会技能

　　《数据准备和特征工程：数据工程师必知必会技能》详细地介绍了大数据、人工智能等项目中不可或缺的环节和内容：数据准备和特征工程。书中的每节首先以简明方式介绍了基本知识；然后通过实际案例演示了基本知识的实际应用，并提供了针对性练习项目，将“知识、案例、练习”融为一体；最后以“扩展探究”方式引导读者进入更深广的领域。
　　《数据准备和特征工程：数据工程师必知必会技能》既适合作为大学相关专业的教材，也适合作为大数据、人工智能等领域的开发人员的参考读物。

齐伟，自称老齐，现居苏州，所著在线教程《零基础学Python》及《零基础学Python（第2版）》在业内引起非常大的反响。愿意和来自各方的朋友讨论技术问题，并能提供相关技术服务。

第1 章 感知数据 001
1．0 了解数据科学项目   001
1．1 文件中的数据  003
1．1．1 CSV文件 003
1．1．2 Excel文件   009
1．1．3 图像文件   015
1．2 数据库中的数据 019
1．3 网页上的数据  029
1．4 来自API 的数据 039
第2 章 数据清理  044
2．0 基本概念 045
2．1 转化数据类型  046
2．2 处理重复数据  054
2．3 处理缺失数据  057
2．3．1 检查缺失数据 058
2．3．2 用指定值填补 063
2．3．3 根据规律填补 069
2．4 处理离群数据  076
第3 章 特征变换   083
3．0 特征的类型   084
3．1 特征数值化   085
3．2 特征二值化   088
3．3 OneHot编码   093
3．4 数据变换 098
3．5 特征离散化   104
3．5．1 无监督离散化 104
3．5．2 有监督离散化 110
3．6 数据规范化   113
第4 章 特征选择   124
4．0 特征选择简述  124
4．1 封装器法 127
4．1．1 循序特征选择 127
4．1．2 穷举特征选择 135
4．1．3 递归特征消除 140
4．2 过滤器法 144
4．3 嵌入法  149
第5 章 特征抽取   154
5．1 无监督特征抽取 154
5．1．1 主成分分析  154
5．1．2 因子分析   161
5．2 有监督特征抽取 167
附录A Jupyter简介 173
附录B NumPy简介  176
附录C Pandas简介  185
附录D Matplotlib简介   194
后记  199