组织与数据处理 - 第1页

《利用Python进行数据分析》第1版出版于2012年，彼时基于 Python 的开源数据分析库（例如 pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。第3版针对 Python3.10 和 pandas1.4 进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的 panda

全书内容包括如何安装和配置 Kafka、如何使用 KafkaAPI、Kafka 的设计原则和可靠性保证，以及 Kafka 的一些架构细节，如复制协议、控制器和存储层。 本书列举了一些非常流行的 Kafka 应用场景，比如基于事件驱动的微服务系统的消息总线、流式处理应用程序和大规模数据管道。 通过学习本书，你不仅能够深入理解这项大数据核心技术，还能够将所学知识付诸实践，在生产环境中更好地运行 Kaf

Python 作为一种程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python 语言的数据分析功能也逐渐为大众所认可。全书共 12 章，从 Python 程序库入门、NumPy 数组和 Pandas 入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，本书还介绍了信号处理与时间序列、应用数据库、分析文本数据与社交媒体、预测性分析与机器学习、

《SQL学习指南（第3版）》介绍了SQL语言的基础知识以及高级特性，包括SQL基本查询、过滤、多数据表查询、集合、数据操作、分组和聚合、子查询、连接、条件逻辑、事务、索引和约束、视图等内容。同时，为了适应近年来数据库领域的发展变化，本书针对大数据、SQL跨平台数据库服务和数据分析等领域的需求，增加了处理大型数据库的实现策略和扩展技术，以及报表和分析工具等内容。 《SQL学习指南（第3版）》内容循序

如果你想充分发挥 Python 的强大作用，如果你想成为一名好的 Python 工程师，你应该先学好 Pandas。 这是一本全面覆盖了 Pandas 使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对 Pandas 做了全方位的详细讲解，既是初学者系统学习 Pandas 难得的入门书，又是有经验的 Python 工程师案头必不可少的查询手册。

《R 语言入门与实践》是一本面向数据分析初学者的实用指南，系统介绍了 R 语言的基础语法、数据结构、可视化方法以及常用数据分析流程，适合作为统计学习、数据科学或科研工作的入门教材。本书精心策划了三个虚拟项目，将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用 R 编写自己的程序并将其用于数据分析和模拟运行。读者将跟随世界一流的 RS

数据挖掘领域最具里程碑意义的经典著作完整全面阐述该领域的重要知识和技术创新当代商业和科学领域大量激增的数据量要求我们采用更加复杂和精细的工具来进行数据分析、处理和挖掘。尽管近年来数据挖掘技术取得的长足进展使得我们广泛收集数据越来越容易，但技术的发展依然难以匹配爆炸性的数据增长以及随之而来的大量数据处理需求，因此我们比以往更加迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识。本

本书是一本讲解在数据要素大背景下，企业如何将数据资源开发成数据产品，进而通过数据产品实现数据资产化和资本化的著作，为企业释放数据价值提供了科学的方法论和国内领先的实践方案。本书由全球数据资产理事会（DAC）组织编写，融合了国内数据资产管理领域多家企业的 10 位专家的研究成果和实战经验，得到了湖南数据产业集团、广州数据集团、深圳数据交易所、浙江大数据交易中心、华为、平安、安永、毕马威、德勤、普华永

本书结合真实项目案例，从面向对象编程范式、设计原则、代码规范、重构技巧和设计模式5个方面详细介绍如何编写高质量代码。第1章为概述，简单介绍了本书涉及的各个模块，以及各个模块之间的联系；第2章介绍面向对象编程范式；第3章介绍设计原则；第4章介绍代码规范；第5章介绍重构技 巧；第6章介绍创建型设计模式；第7章介绍结构型设计模式；第8章介绍行为型设计模式。本书可以作为各类研发工程师的学习、进阶读物，也可

人工智能迅猛发展，对社会和商业的影响日益深刻。我们在过去被认为非常难以解决的问题，会因为大数据和机器智能的使用而迎刃而解，比如自动驾驶、语音识别甚至解决癌症个性化治疗的难题。同时，机器智能还会颠覆现有商业模式，很多传统的行业都将采用智能技术实现升级换代。 在《智能时代》（第一版）畅销百万册后，吴军博士对内容进行了超过 60% 篇幅的增补，力图全景呈现机器智能的原理和发展历程，以及它们对未来产业和社