【2020新书】Python大数据处理，Mastering Large Datasets with Python，311页pdf

https://www.manning.com/books/mastering-large-datasets-with-python

现代数据科学解决方案需要简洁、易于阅读和可伸缩。在《用Python掌握大型数据集》一书中，作者J.T. Wolohan向您介绍了如何使用Python编码的功能影响方法来处理小型项目并对其进行扩展。您将探索有助于清晰性和可伸缩性的方法和内置Python工具，比如高性能并行方法，以及支持高数据吞吐量的分布式技术。本实用教程中丰富的实践练习将为任何大型数据科学项目锁定这些基本技能。

对这项技术

当应用于大量文件或分布式数据集时，在笔记本大小的数据上运行良好的编程技术可能会变慢，甚至完全失败。通过掌握强大的map和reduce范型，以及支持它的基于python的工具，您可以编写以数据为中心的应用程序，这些应用程序可以有效地扩展，而不需要在需求发生变化时重写代码库。

关于这本书

使用Python掌握大型数据集教会您编写可以处理任何大小的数据集的代码。您将从笔记本大小的数据集开始，这些数据集通过将大任务分解为可以同时运行的小任务来教会您并行化数据分析。然后将这些程序扩展到云服务器集群上的工业级数据集。有了map和reduce范型，您将探索像Hadoop和PySpark这样的工具来有效地处理大量的分布式数据集，使用机器学习加速决策制定，并使用AWS S3简化数据存储。

里面有什么

• 对map和reduce范例的介绍

• 并行化与多处理模块框架

• 分布式计算的Hadoop和Spark

• 运行AWS作业来处理大型数据集