جلد سخت سیاه و سفید
Product details
- Publisher : Manning (March 22, 2022)
- Language : English
- Paperback : 456 pages
- ISBN-10 : 1617297208
- ISBN-13 : 978-1617297205
کتاب Data Analysis with Python and PySpark
Think big about your data! PySpark brings the powerful Spark big data processing engine to the Python ecosystem, letting you seamlessly scale up your data tasks and create lightning-fast pipelines.
In Data Analysis with Python and PySpark you will learn how to:
Manage your data as it scales across multiple machines
Scale up your data programs with full confidence
Read and write data to and from a variety of sources and formats
Deal with messy data with PySpark’s data manipulation functionality
Discover new data sets and perform exploratory data analysis
Build automated data pipelines that transform, summarize, and get insights from data
Troubleshoot common PySpark errors
Creating reliable long-running jobs
Data Analysis with Python and PySpark is your guide to delivering successful Python-driven data projects. Packed with relevant examples and essential techniques, this practical book teaches you to build pipelines for reporting, machine learning, and other data-centric tasks. Quick exercises in every chapter help you practice what you’ve learned, and rapidly start implementing PySpark into your data systems. No previous knowledge of Spark is required.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
The Spark data processing engine is an amazing analytics factory: raw data comes in, insight comes out. PySpark wraps Spark’s core engine with a Python-based API. It helps simplify Spark’s steep learning curve and makes this powerful tool available to anyone working in the Python data ecosystem.
About the book
Data Analysis with Python and PySpark helps you solve the daily challenges of data science with PySpark. You’ll learn how to scale your processing capabilities across multiple machines while ingesting data from any source—whether that’s Hadoop clusters, cloud data storage, or local data files. Once you’ve covered the fundamentals, you’ll explore the full versatility of PySpark by building machine learning pipelines, and blending Python, pandas, and PySpark code.
What's inside
Organizing your PySpark code
Managing your data, no matter the size
Scale up your data programs with full confidence
Troubleshooting common data pipeline problems
Creating reliable long-running jobs
About the reader
Written for data scientists and data engineers comfortable with Python.
About the author
As a ML director for a data-driven software company, Jonathan Rioux uses PySpark daily. He teaches the software to data scientists, engineers, and data-savvy business analysts.
Table of Contents
1 Introduction
PART 1 GET ACQUAINTED: FIRST STEPS IN PYSPARK
2 Your first data program in PySpark
3 Submitting and scaling your first PySpark program
4 Analyzing tabular data with pyspark.sql
5 Data frame gymnastics: Joining and grouping
PART 2 GET PROFICIENT: TRANSLATE YOUR IDEAS INTO CODE
6 Multidimensional data frames: Using PySpark with JSON data
7 Bilingual PySpark: Blending Python and SQL code
8 Extending PySpark with Python: RDD and UDFs
9 Big data is just a lot of small data: Using pandas UDFs
10 Your data under a different lens: Window functions
11 Faster PySpark: Understanding Spark’s query planning
PART 3 GET CONFIDENT: USING MACHINE LEARNING WITH PYSPARK
12 Setting the stage: Preparing features for machine learning
13 Robust machine learning with ML Pipelines
14 Building custom ML transformers and estimators
منابع کتاب کتاب Data Analysis with Python and PySpark
در مورد داده های خود بزرگ فکر کنید! PySpark موتور قدرتمند پردازش دادههای بزرگ Spark را به اکوسیستم پایتون میآورد و به شما این امکان را میدهد تا وظایف دادههای خود را بهطور یکپارچه افزایش دهید و خطوط لولهای سریع ایجاد کنید.
در تجزیه و تحلیل داده با Python و PySpark شما یاد خواهید گرفت که چگونه:
مدیریت داده های خود در مقیاس آن در چندین ماشین
. برنامه های داده خود را با اطمینان کامل مقیاس دهید.
خواندن و نوشتن داده ها از منابع و فرمت های مختلف و
مقابله با داده های آشفته با داده های PySpark قابلیت دستکاری
کشف مجموعه داده های جدید و انجام تجزیه و تحلیل داده های اکتشافی
ایجاد خطوط لوله داده خودکار که تبدیل، خلاصه، و دریافت بینش از داده ها می شود
عیب یابی خطاهای رایج PySpark
ایجاد مشاغل طولانی مدت قابل اعتماد
تجزیه و تحلیل داده با Python و PySpark راهنمای شما برای ارائه پروژه های داده موفق پایتون است. این کتاب عملی با مثالهای مرتبط و تکنیکهای ضروری، به شما میآموزد که خطوط لوله برای گزارشدهی، یادگیری ماشین و سایر وظایف مبتنی بر داده بسازید. تمرینات سریع در هر فصل به شما کمک می کند تا آنچه را که آموخته اید تمرین کنید و به سرعت PySpark را در سیستم های داده خود پیاده سازی کنید. هیچ دانش قبلی در مورد Spark مورد نیاز نیست.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است.
در مورد تکنولوژی
موتور پردازش داده Spark یک کارخانه تجزیه و تحلیل شگفت انگیز است: داده های خام وارد می شوند، بینش بیرون می آید. PySpark موتور اصلی Spark را با یک API مبتنی بر پایتون میپیچد. این به ساده سازی منحنی یادگیری پرشیب Spark کمک می کند و این ابزار قدرتمند را برای هر کسی که در اکوسیستم داده پایتون کار می کند در دسترس قرار می دهد.
درباره کتاب
تجزیه و تحلیل داده ها با پایتون و پای اسپارک به شما کمک می کند تا چالش های روزانه علم داده را با PySpark حل کنید. شما یاد خواهید گرفت که چگونه قابلیتهای پردازشی خود را در چندین ماشین در حالی که دادهها را از هر منبعی دریافت میکنید، مقیاس کنید - خواه خوشههای Hadoop، ذخیرهسازی دادههای ابری یا فایلهای داده محلی باشد. هنگامی که اصول اولیه را پوشش دادید، با ساخت خطوط لوله یادگیری ماشین و ترکیب پایتون، پانداها و کدهای PySpark، تطبیق پذیری کامل PySpark را کشف خواهید کرد.
داخلش چیه
سازماندهی کد PySpark خود
مدیریت داده های خود، بدون توجه به اندازه
، برنامه های داده خود را با اطمینان کامل افزایش دهید
عیب یابی مشکلات رایج خط لوله داده
ایجاد مشاغل طولانی مدت قابل اعتماد
درباره خواننده
برای دانشمندان داده و مهندسان داده نوشته شده است که با پایتون راحت هستند.
درباره نویسنده
به عنوان مدیر ML برای یک شرکت نرم افزاری مبتنی بر داده، جاناتان ریوکس روزانه از PySpark استفاده می کند. او این نرم افزار را به دانشمندان داده، مهندسان، و تحلیلگران کسب و کار باهوش داده آموزش می دهد.
فهرست مطالب
1 مقدمه
قسمت 1 آشنایی: مراحل اولیه در PYSPARK
2 اولین برنامه داده شما در PySpark
3 ارسال و مقیاس بندی اولین برنامه PySpark خود
4 تجزیه و تحلیل داده های جدولی با pyspark.sql
5 ژیمناستیک قاب داده: پیوستن و گروه بندی
قسمت 2 ماهر شوید: ایده های خود را به کد 6 ترجمه کنید
فریم های داده چند بعدی: استفاده از PySpark 7: PySpark با داده های
JSONnding. و کد SQL
8 گسترش PySpark با Python: RDD و UDFs
9 دادههای بزرگ فقط دادههای کوچک زیادی هستند: استفاده از پانداها UDFs
10 دادههای شما تحت یک لنز متفاوت: عملکردهای پنجره
11 PySpark سریعتر: درک برنامهریزی پرس و جو Spark
بخش 3 کسب اطمینان از ایالات متحده: یادگیری ماشینی با PYSPARK
12 تنظیم مرحله: آماده سازی ویژگی ها برای یادگیری ماشینی
13 یادگیری ماشینی قوی با خطوط لوله ML
14 ساخت ترانسفورماتورها و برآوردگرهای سفارشی ML
ارسال نظر درباره کتاب Data Analysis with Python and PySpark