作者：
出版社： 人民邮电出版社
CIP号：2016062910
书号：978-7-115-42047-3
出版地：北京
出版时间：2016.5
定价：￥49
本书主要内容包括：在数据科学领域数据清理工作的重要作用，文件格式、数据类型、解码的基本概念，表单的关键特性，组织和处理数据的文本编辑器，各种格式的数据转换方法，解析和清理网页上的HTML文件的三种不同策略，深入了解PDF文件并掌握从中拖出数据的方法，检测和清除RDBMS中的坏数据的解决方案，使用书中介绍的方法清理来自Twitter和Stack Overflow的数据。