| 作者 |
| 凯·霍斯特曼 兰斯·尼塞斯 保罗·戴特尔 哈维·戴特尔 |
| 丛书名 |
| 计算机科学丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782104211456 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8080099 - Python程序设计（原书第3版）--------------------------- 本书面向Python初学者，采用模块方式呈现知识要点，而非百科全书式的语法大全。书中介绍了数值、字符串、列表、字典、集合、控制结构、函数、递归、排序、面向对象编程、文件操作等基础知识，通过大量案例来演示这些技术，重视计算思维的培养，由浅入深地将解决问题的完整方案一步步呈现在读者面前。本版新增了面向数据科学的程序示例和练习，扩展了有关字符串和列表的内容，并引入了海龟图形和游戏编程等新的数据包。本书既可作为高等院校计算机专业第 一门程序设计课的教材，也可供Python爱好者自学参考。 ---------------------------8079862 - Python程序设计：人工智能案例实践--------------------------- 本书共16章。第1~10章介绍Python编程，涉及人工智能、基本描述统计、集中趋势和分散度量、模拟、静态和动态可视化、使用CSV文件、用于数据探索和数据整理的Pandas、时间序列和简单线性回归。第11~16章提供多种实践案例研究，涉及自然语言处理、Twitter数据挖掘、IBM Watson认知计算、包含分类和回归的有监督机器学习、聚类无监督机器学习、卷积神经网络深度学习、递归神经网络深度学习、包含Hadoop/Spark/NoSQL/物联网的大数据等。 |
| 目录 |
| [套装书具体书目] 8079862 - Python程序设计：人工智能案例实践 - 9787111678458 - 机械工业出版社 - 定价 149 8080099 - Python程序设计（原书第3版） - 9787111678816 - 机械工业出版社 - 定价 169 ---------------------------8080099 - Python程序设计（原书第3版）--------------------------- 出版者的话 译者序 前言 第1章 导论 1 1.1 计算机程序 1 1.2 计算机组成结构 2 1.3 Python程序设计语言 4 1.4 熟悉程序设计环境 5 1.5 分析我们的第一个程序 9 1.6 错误信息 11 1.7 问题求解：算法设计 12 本章小结 18 复习题 19 编程题 20 第2章 数值和字符串编程 22 2.1 变量 22 2.1.1 定义变量 22 2.1.2 数值类型 24 2.1.3 变量名称 25 2.1.4 常量 25 2.1.5 注释 26 2.2 算术运算 28 2.2.1 基本的算术运算 28 2.2.2 乘幂 28 2.2.3 整除和余数 29 2.2.4 调用函数 30 2.2.5 数学函数 31 2.3 问题求解：先手工演算 35 2.4 字符串 38 2.4.1 字符串类型 38 2.4.2 字符串的拼接和重复 38 2.4.3 数值和字符串之间的相互转换 39 2.4.4 字符串和字符 40 2.4.5 字符串方法 41 2.5 输入和输出 43 2.5.1 用户输入 43 2.5.2 数值输入 44 2.5.3 格式化输出 45 2.6 图形应用：简单绘图 54 2.6.1 创建窗口 54 2.6.2 直线和多边形 55 2.6.3 填充形状和颜色 57 2.6.4 椭圆、圆和文本 59 本章小结 64 复习题 65 编程题 68 第3章 选择结构 76 3.1 if语句 76 3.2 关系运算符 80 3.3 嵌套分支 87 3.4 多分支结构 91 3.5 问题求解：流程图 96 3.6 问题求解：测试用例 99 3.7 布尔变量和运算符 100 3.8 分析字符串 105 3.9 应用案例：输入验证 107 本章小结 120 复习题 121 编程题 127 第4章 循环结构 136 4.1 while语句 136 4.2 问题求解：手工跟踪 142 4.3 应用案例：处理哨兵值 145 4.4 问题求解：故事板 148 4.5 常用循环算法 150 4.5.1 求和和平均数 150 4.5.2 匹配项计数 151 4.5.3 提示输入直到找到匹配项 151 4.5.4 最大值和最小值 151 4.5.5 比较相邻值 152 4.6 for循环 153 4.7 嵌套循环 161 4.8 处理字符串 167 4.8.1 统计匹配项 167 4.8.2 查找所有匹配项 167 4.8.3 找到第一个或者最后一个匹配项 167 4.8.4 验证字符串 168 4.8.5 创建新的字符串 169 4.9 应用案例：随机数和仿真 170 4.9.1 生成随机数 170 4.9.2 模拟掷骰子 171 4.9.3 蒙特卡罗方法 172 4.10 图形应用：数字图像处理 176 4.10.1 过滤图像 176 4.10.2 重新配置图像 179 4.11 问题求解：先易后难 180 本章小结 185 复习题 186 编程题 190 第5章 函数 200 5.1 作为黑盒的函数 200 5.2 实现和测试函数 201 5.2.1 实现函数 201 5.2.2 测试函数 202 5.2.3 包含函数的程序 202 5.3 参数传递 205 5.4 返回值 207 5.5 不带返回值的函数 214 5.6 问题求解：可复用函数 217 5.7 问题求解：逐步求精 218 5.8 变量的作用范围 231 5.9 图形应用：构建图像处理工具包 237 5.9.1 入门 237 5.9.2 比较图像 238 5.9.3 调整图像亮度 238 5.9.4 旋转图像 240 5.9.5 使用工具包 241 5.10 递归函数（可选） 245 本章小结 255 复习题 256 编程题 259 第6章 列表 266 6.1 列表的基本属性 266 6.1.1 创建列表 266 6.1.2 访问列表元素 267 6.1.3 遍历列表 269 6.1.4 列表引用 269 6.2 列表操作 273 6.2.1 附加元素 273 6.2.2 插入元素 273 6.2.3 查找元素 274 6.2.4 删除元素 275 6.2.5 拼接和复制 276 6.2.6 相等性测试 276 6.2.7 求和、最大值、最小值和排序 276 6.2.8 复制列表 277 6.3 常用列表算法 279 6.3.1 填充列表 279 6.3.2 组合列表元素 279 6.3.3 元素分隔符 280 6.3.4 最大值和最小值 280 6.3.5 线性查找 281 6.3.6 收集和统计匹配项 281 6.3.7 删除匹配项 282 6.3.8 交换元素 283 6.3.9 读取输入 284 6.4 将列表与函数一起使用 288 6.5 问题求解：修改算法 295 6.6 问题求解：通过操作实体对象发现算法 300 6.7 表格 304 6.7.1 创建表格 304 6.7.2 访问元素 305 6.7.3 定位相邻元素 305 6.7.4 计算行总计和列总计 306 6.7.5 将表格与函数一起使用 306 本章小结 314 复习题 315 编程题 318 第7章 文件和异常 325 7.1 读取和写入文本文件 325 7.1.1 打开文件 325 7.1.2 读取文件 326 7.1.3 写入文件 327 7.1.4 文件处理示例 327 7.2 文本输入和输出 328 7.2.1 遍历文件中的行 329 7.2.2 读取单词 330 7.2.3 读取字符 332 7.2.4 读取记录 333 7.3 命令行参数 340 7.4 二进制文件和随机访问（可选） 352 7.4.1 读取和写入二进制文件 352 7.4.2 随机访问 353 7.4.3 图像文件 353 7.4.4 处理BMP文件 355 7.5 异常处理 361 7.5.1 引发异常 361 7.5.2 处理异常 362 7.5.3 finally子句 364 7.6 应用案例：处理输入错误 367 本章小结 378 复习题 379 编程题 380 第8章 集合和字典 390 8.1 集合 390 8.1.1 创建和使用集合 390 8.1.2 添加和删除元素 392 8.1.3 子集 393 8.1.4 并集、交集和差集 393 8.2 字典 400 8.2.1 创建字典 401 8.2.2 访问字典的值 401 8.2.3 添加和修改数据项 401 8.2.4 删除数据项 402 8.2.5 遍历字典 403 8.3 复杂的数据结构 409 8.3.1 包含集合的字典 409 8.3.2 包含列表的字典 411 本章小结 420 复习题 421 编程题 423 第9章 对象和类 426 9.1 面向对象的程序设计 426 9.2 实现一个简单的类 427 9.3 指定类的公共接口 430 9.4 设计数据表示 431 9.5 构造函数 432 9.6 实现方法 435 9.7 测试类 438 9.8 问题求解：跟踪对象 445 9.9 问题求解：对象数据的模式 448 9.9.1 使用总计 448 9.9.2 统计事件 449 9.9.3 收集值 449 9.9.4 管理对象的属性 449 9.9.5 使用不同的状态建模对象 450 9.9.6 描述对象的位置 451 9.10 对象引用 451 9.10.1 共享引用 452 9.10.2 None引用 453 9.10.3 self引用 454 9.10.4 对象的生命周期 454 9.11 应用案例：实现一个Fraction类 456 9.11.1 Fraction类的设计 456 9.11.2 构造函数 457 9.11.3 特殊方法 458 9.11.4 算术运算 459 9.11.5 逻辑运算 460 本章小结 467 复习题 468 编程题 469 第10章 继承 475 10.1 继承的层次结构 475 10.2 实现子类 479 10.3 调用超类的构造函数 482 10.4 重写方法 485 10.5 多态 488 10.6 应用案例：几何图形类的层次结构 500 10.6.1 基类 500 10.6.2 基本形状 502 10.6.3 形状组 505 本章小结 514 复习题 514 编程题 515 第11章 递归 520 11.1 三角形数字之再探讨 520 11.2 问题求解：递归思维 523 11.3 递归辅助函数 527 11.4 递归的效率 528 11.5 排列 533 11.6 回溯 536 11.7 相互递归 543 本章小结 550 复习题 550 编程题 551 第12章 排序和查找 556 12.1 选择排序算法 556 12.2 选择排序算法的性能测量 558 12.3 选择排序算法的性能分析 559 12.4 合并排序算法 563 12.5 分析合并排序算法 565 12.6 查找算法 569 12.6.1 线性查找 570 12.6.2 二分查找 571 12.7 问题求解：估计算法的运行时间 573 12.7.1 线性时间 573 12.7.2 二次时间 574 12.7.3 三角形模式 575 12.7.4 对数时间 576 本章小结 581 复习题 581 编程题 584 ---------------------------8079862 - Python程序设计：人工智能案例实践--------------------------- 审稿人评论 译者序 前言 作者简介 开始阅读本书之前 第一部分 Python基础知识快速入门 第1章 Python及大数据概述2 1.1 简介2 1.2 快速回顾面向对象技术的基础知识3 1.3 Python5 1.4 Python库7 1.4.1 Python标准库7 1.4.2 数据科学库8 1.5 试用IPython和Jupyter Notebook9 1.5.1 使用IPython交互模式作为计算器10 1.5.2 使用IPython 解释器执行Python程序11 1.5.3 在Jupyter Notebook中编写和执行代码12 1.6 云和物联网16 1.6.1 云16 1.6.2 物联网17 1.7 大数据有多大18 1.7.1 大数据分析22 1.7.2 数据科学和大数据正在带来改变：用例23 1.8 案例研究：大数据移动应用程序24 1.9 数据科学入门：人工智能——计算机科学与数据科学的交叉学科26 1.10 小结28 第2章 Python程序设计概述29 2.1 简介29 2.2 变量和赋值语句30 2.3 算术运算31 2.4 print函数、单引号和双引号34 2.5 三引号字符串36 2.6 从用户处获取输入37 2.7 决策：if语句和比较运算符39 2.8 对象和动态类型43 2.9 数据科学入门：基础的描述性统计44 2.10 小结46 第3章 控制语句48 3.1 简介48 3.2 控制语句概述49 3.3 if语句49 3.4 if...else和if...elif...else语句50 3.5 while语句53 3.6 for语句54 3.6.1 可迭代对象、列表和迭代器55 3.6.2 内置函数range55 3.7 增强赋值56 3.8 序列控制迭代和格式化字符串56 3.9 边界值控制的迭代57 3.10 内置函数range：深入讨论59 3.11 使用Decimal类型处理货币金额59 3.12 break和continue语句63 3.13 布尔运算符and、or和not63 3.14 数据科学入门：集中趋势度量—均值、中值和众数66 3.15 小结67 第4章 函数69 4.1 简介69 4.2 函数定义70 4.3 多参数函数72 4.4 随机数生成74 4.5 案例研究：一个运气游戏76 4.6 Python标准库79 4.7 math模块中的函数80 4.8 在IPython中使用制表符自动补全81 4.9 默认参数值82 4.10 关键字参数83 4.11 不定长参数列表83 4.12 方法：属于对象的函数84 4.13 作用域规则85 4.14 import：深入讨论87 4.15 向函数传递参数：深入讨论88 4.16 递归91 4.17 函数式编程93 4.18 数据科学入门：离中趋势度量95 4.19 小结96 第5章 序列：列表和元组97 5.1 简介97 5.2 列表98 5.3 元组102 5.4 序列解包104 5.5 序列切片106 5.6 使用del声明108 5.7 将列表传递给函数109 5.8 列表排序110 5.9 序列搜索111 5.10 列表的其他方法113 5.11 使用列表模拟堆栈115 5.12 列表推导式116 5.13 生成器表达式118 5.14 过滤、映射和归约118 5.15 其他的序列处理函数120 5.16 二维列表122 5.17 数据科学入门：模拟和静态可视化124 5.17.1 掷600、60,000、6,000,000次骰子的图例124 5.17.2 实现掷骰子中不同点数出现次数和百分比的可视化126 5.18 小结132 第二部分 Python数据结构、字符串和文件 第6章 字典和集合136 6.1 简介136 6.2 字典137 6.2.1 创建字典137 6.2.2 遍历字典138 6.2.3 基本的字典操作138 6.2.4 字典的keys和values方法140 6.2.5 字典的比较141 6.2.6 示例：学生成绩字典142 6.2.7 示例：单词计数143 6.2.8 字典的update方法144 6.2.9 字典推导式145 6.3 集合146 6.3.1 集合的比较147 6.3.2 集合的数学运算148 6.3.3 集合的可变运算符和方法150 6.3.4 集合推导式151 6.4 数据科学入门：动态可视化151 6.4.1 动态可视化的工作原理152 6.4.2 实现动态可视化154 6.5 小结156 第7章 使用NumPy进行面向数组的编程158 7.1 简介158 7.2 从现有数据创建数组159 7.3 数组属性160 7.4 用特定值填充数组162 7.5 从范围创建数组162 7.6 列表与数组的性能比较：引入%timeit164 7.7 数组运算符165 7.8 NumPy计算方法167 7.9 通用函数168 7.10 索引和切片170 7.11 视图：浅拷贝171 7.12 视图：深拷贝173 7.13 重塑和转置174 7.14 数据科学入门：pandas Series和DataFrame176 7.14.1 Series177 7.14.2 DataFrame181 7.15 小结188 第8章 字符串：深入讨论190 8.1 简介190 8.2 格式化字符串191 8.2.1 表示类型191 8.2.2 字段宽度和对齐方式193 8.2.3 数字格式化193 8.2.4 字符串的format方法194 8.3 拼接和重复字符串195 8.4 去除字符串中的空白字符196 8.5 字符大小写转换196 8.6 字符串的比较运算符197 8.7 查找子字符串197 8.8 替换子字符串199 8.9 字符串拆分和连接199 8.10 字符串测试方法201 8.11 原始字符串202 8.12 正则表达式介绍202 8.12.1 re模块与fullmatch函数203 8.12.2 替换子字符串和拆分字符串207 8.12.3 其他搜索功能、访问匹配207 8.13 数据科学入门：pandas、正则表达式和数据治理210 8.14 小结214 第9章 文件和异常215 9.1 简介215 9.2 文件216 9.3 文本文件处理217 9.3.1 向文本文件中写入数据：with语句的介绍217 9.3.2 从文本文件中读取数据218 9.4 更新文本文件220 9.5 使用JSON进行序列化221 9.6 关注安全：pickle序列化和反序列化224 9.7 关于文件的附加说明224 9.8 处理异常225 9.8.1 被零除和无效输入226 9.8.2 try语句226 9.8.3 在一条except子句中捕获多个异常229 9.8.4 一个函数或方法引发了什么异常229 9.8.5 try子句的语句序列中应该书写什么代码229 9.9 finally子句229 9.10 显式地引发一个异常231 9.11 （选学）堆栈展开和回溯232 9.12 数据科学入门：使用CSV文件234 9.12.1 Python标准库模块csv234 9.12.2 将CSV文件数据读入pandas DataFrame中236 9.12.3 读取泰坦尼克号灾难数据集237 9.12.4 用泰坦尼克号灾难数据集做简单的数据分析238 9.12.5 乘客年龄直方图239 9.13 小结240 第三部分 Python高级主题 第10章 面向对象编程242 10.1 简介242 10.2 自定义Account类244 10.2.1 试用Account类245 10.2.2 Account类的定义246 10.2.3 组合：对象引用作为类的成员248 10.3 属性访问控制248 10.4 用于数据访问的property249 10.4.1 试用Time类249 10.4.2 Time类的定义251 10.4.3 Time类定义的设计说明254 10.5 模拟“私有”属性255 10.6 案例研究：洗牌和分牌模拟257 10.6.1 试用Card类和DeckOfCards类257 10.6.2 Card类：引入类属性258 10.6.3 DeckOfCards类260 10.6.4 利用Matplotlib显示扑克牌图像262 10.7 继承：基类和子类265 10.8 构建继承层次结构：引入多态性267 10.8.1 基类CommissionEmployee267 10.8.2 子类SalariedCommission-Employee270 10.8.3 以多态方式处理Commission-Employee和SalariedComm-issionEmployee273 10.8.4 关于基于对象和面向对象编程的说明274 10.9 鸭子类型和多态性274 10.10 运算符重载276 10.10.1 试用Complex类277 10.10.2 Complex类的定义278 10.11 异常类层次结构和自定义异常279 10.12 具名元组280 10.13 Python 3.7的新数据类简介281 10.13.1 创建Card数据类282 10.13.2 使用Card数据类284 10.13.3 数据类相对于具名元组的优势286 10.13.4 数据类相对于传统类的优势286 10.14 使用文档字符串和doctest进行单元测试286 10.15 命名空间和作用域290 10.16 数据科学入门：时间序列和简单线性回归293 10.17 小结300 第四部分 人工智能、云和大数据案例研究 第11章 自然语言处理304 11.1 简介304 11.2 TextBlob305 11.2.1 创建一个TextBlob对象307 11.2.2 将文本标记为句子和单词307 11.2.3 词性标注308 11.2.4 提取名词短语309 11.2.5 使用TextBlob的默认情感分析器进行情感分析309 11.2.6 使用NaiveBayesAnalyzer进行情感分析310 11.2.7 语言检测与翻译311 11.2.8 变形：复数化和单数化312 11.2.9 拼写检查和拼写校正313 11.2.10 规范化：词干提取和词形还原314 11.2.11 词频314 11.2.12 从WordNet中获取单词定义、同义词和反义词315 11.2.13 删除停用词317 11.2.14 n元318 11.3 使用柱状图和词云可视化词频319 11.3.1 使用pandas可视化词频319 11.3.2 使用词云可视化词频321 11.4 使用Textatistic库进行可读性评估324 11.5 使用spaCy命名实体识别326 11.6 使用spaCy进行相似性检测327 11.7 其他NLP库和工具328 11.8 机器学习和深度学习自然语言应用328 11.9 自然语言数据集329 11.10 小结329 第12章 Twitter数据挖掘331 12.1 简介331 12.2 Twitter API概况333 12.3 创建一个Twitter账户334 12.4 获取Twitter凭据，创建应用程序334 12.5 什么是推文336 12.6 Tweepy339 12.7 通过Tweepy进行Twitter身份验证340 12.8 获取一个Twitter账户的相关信息341 12.9 Tweepy Cursor简介：获得一个账户的关注者和朋友343 12.9.1 确定一个账户的关注者343 12.9.2 确定一个账户的关注对象345 12.9.3 获取一个用户的最新推文345 12.10 搜索最新的推文346 12.11 热门话题发现：Twitter热门话题API348 12.11.1 有热门话题的地点348 12.11.2 获取热门话题列表349 12.11.3 根据热门话题创建词云351 12.12 推文分析前的清理或预处理352 12.13 Twitter流API353 12.13.1 创建StreamListener的子类353 12.13.2 启动流处理356 12.14 推文情感分析357 12.15 地理编码和映射361 12.15.1 获取和映射推文362 12.15.2 tweetutilities.py中的实用函数366 12.15.3 LocationListener类367 12.16 存储推文的方法368 12.17 Twitter和时间序列369 12.18 小结369 第13章 IBM Watson和认知计算370 13.1 简介370 13.2 IBM云账户和云控制台372 13.3 Watson服务372 13.4 额外的服务和工具375 13.5 Watson开发者云Python SDK377 13.6 案例研究：旅行者翻译伴侣APP377 13.6.1 准备工作378 13.6.2 运行APP379 13.6.3 SimpleLanguageTranslator.py脚本代码分析380 13.7 Watson资源390 13.8 小结391 第14章 机器学习：分类、回归和聚类392 14.1 简介392 14.1.1 scikit-learn393 14.1.2 机器学习的类别394 14.1.3 scikit-learn中内置的数据集396 14.1.4 典型的数据科学研究的步骤396 14.2 案例研究：用k近邻算法和Digits数据集进行分类（第1部分）397 14.2.1 k近邻算法398 14.2.2 加载数据集399 14.2.3 可视化数据402 14.2.4 拆分数据以进行训练和测试404 14.2.5 创建模型405 14.2.6 训练模型405 14.2.7 预测数字类别406 14.3 案例研究：利用k近邻算法和Digits数据集进行分类（第2部分）407 14.3.1 模型准确性指标407 14.3.2 k折交叉验证410 14.3.3 运行多个模型以找到最佳模型411 14.3.4 超参数调整413 14.4 案例研究：时间序列和简单线性回归413 14.5 案例研究：基于加利福尼亚房价数据集的多元线性回归418 14.5.1 加载数据集418 14.5.2 使用pandas探索数据420 14.5.3 可视化特征422 14.5.4 拆分数据以进行训练和测试426 14.5.5 训练模型426 14.5.6 测试模型427 14.5.7 可视化预测房价和期望房价427 14.5.8 回归模型指标428 14.5.9 选择最佳模型429 14.6 案例研究：无监督学习（第1部分）—降维430 14.7 案例研究：无监督学习（第2部分）—k均值聚类433 14.7.1 加载Iris数据集435 14.7.2 探索Iris数据集：使用pandas进行描述性统计436 14.7.3 使用Seaborn的pairplot可视化数据集438 14.7.4 使用KMeans估计器440 14.7.5 主成分分析降维442 14.7.6 选择最佳聚类估计器444 14.8 小结445 第15章 深度学习447 15.1 简介447 15.1.1 深度学习应用449 15.1.2 深度学习演示450 15.1.3 Keras资源450 15.2 Keras内置数据集450 15.3 自定义Anaconda环境451 15.4 神经网络452 15.5 张量454 15.6 用于视觉的卷积神经网络：使用MNIST数据集进行多分类455 15.6.1 加载MNIST数据集457 15.6.2 数据探索457 15.6.3 数据准备459 15.6.4 创建神经网络模型461 15.6.5 训练和评价模型468 15.6.6 保存和加载模型472 15.7 用TensorBoard可视化神经网络的训练过程473 15.8 ConvnetJS：基于浏览器的深度学习训练和可视化476 15.9 针对序列的递归神经网络：使用IMDb数据集进行情感分析477 15.9.1 加载IMDb影评数据集478 15.9.2 数据探索478 15.9.3 数据准备480 15.9.4 创建神经网络481 15.9.5 训练和评价模型483 15.10 调整深度学习模型484 15.11 在ImageNet上预训练的CNN模型485 15.12 小结486 第16章 大数据：Hadoop、Spark、NoSQL和IoT488 16.1 简介488 16.2 关系数据库和结构化查询语言492 16.2.1 books数据库493 16.2.2 SELECT查询497 16.2.3 WHERE子句497 16.2.4 ORDER BY子句498 16.2.5 从多个表中合并数据：INNER JOIN499 16.2.6 INSERT INTO语句500 16.2.7 UPDATE语句501 16.2.8 DELETE FROM语句502 16.3 NoSQL和NewSQL大数据数据库简述502 16.3.1 NoSQL键-值数据库503 16.3.2 NoSQL文档数据库503 16.3.3 NoSQL列式数据库504 16.3.4 NoSQL图数据库504 16.3.5 NewSQL数据库505 16.4 案例研究：MongoDB JSON文档数据库506 16.4.1 创建MongoDB Atlas集群506 16.4.2 将推文存入MongoDB中507 16.5 Hadoop515 16.5.1 概述516 16.5.2 通过MapReduce汇总Romeo-AndJuliet.txt中的单词长度518 16.5.3 在Microsoft Azure HDInsight中创建Apache Hadoop集群518 16.5.4 Hadoop流520 16.5.5 实现映射器520 16.5.6 实现归约器521 16.5.7 准备运行MapReduce示例522 16.5.8 运行MapReduce作业523 16.6 Spark525 16.6.1 概述525 16.6.2 Docker和Jupyter Docker堆栈526 16.6.3 使用Spark的单词计数529 16.6.4 Microsoft Azure上的Spark单词计数532 16.7 Spark流：使用pyspark-notebookDocker堆栈计算Twitter主题标签535 16.7.1 将推文流式传输到套接字535 16.7.2 总结推文主题标签，介绍Spark SQL538 16.8 物联网和仪表板543 16.8.1 发布和订阅545 16.8.2 使用Freeboard仪表板可视化PubNub示例实时流545 16.8.3 用Python模拟一个连接互联网的恒温器547 16.8.4 使用freeboard.io创建仪表板549 16.8.5 创建一个Python PubNub订阅服务器550 16.9 小结554 索引556 |