March 2022
Intermediate to advanced
522 pages
13h 52m
Chinese
Content preview from Python语言及其应用（第2版）
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
187
第 12章
数据处理
只要你把数据折磨得够狠，大自然都会招供。
——
Ronald Coase
迄今为止，本书主要讨论的是
Python
语言本身
，即它的数据类型、代码结构、语法，等
等。本书余下部分主要关注
Python
如何应用于现实问题。
本章将介绍很多数据处理的实践技术。有时候，数据处理也被称作
数据整理
（
data
munging
）
，或者是数据库世界中更商业化的
ETL
（
extract/transform/load
，提取
/
转换
/
加
载）。尽管编程类图书通常并不会专门介绍该主题，但程序员往往要花大量时间将数据整
理成符合要求的形式。
数据科学
专业在过去几年中已经变得颇为流行。《哈佛商业评论》（
Harvard Business
Review
）的一篇文章称数据科学家是“
21
世纪最性感的工作”
。如果这意味着需求旺盛、
报酬丰厚，那还算好，但苦差事同样也少不了。数据库的
ETL
无法满足
数据科学的需求，
其中往往要用到
机器学习
来挖掘出人眼无法看到的深刻见解。
本章会从基本的数据格式开始，一路讲解到对数据科学最有用的新工具。
数据格式粗略地分为两类：
文本
和
二进制
。
Python
字符串
用于文本数据，本章包括了前面
略过的字符串相关内容：
• Unicode
字符；
•
正则表达式模式匹配。
然后，本章会介绍二进制数据以及另外两种
Python
内建数据类型：
•
bytes
类型，用于不可变的
8
位值；
•
bytearray
类型，用于可变的
8
位值。