Big data con python
eBook - PDF

Big data con python

A,
  1. Spanish
  2. PDF
  3. Disponible en iOS y Android
eBook - PDF

Big data con python

A,
Detalles del libro
Índice
Citas

Información del libro

Para lograr analizar datos y convertirlos en información, el primer paso es ser capaz de incorporarlos a nuestro programa, esto es, cargar los datos. En este capítulo discutimos la adquisición de datos desde fichero, por lo que en primer lugar es necesario plantearse una serie de preguntas: ¿qué son datos? ¿Su adquisición se limita a descargar datos de internet? ¿Es capaz el lenguaje Python de entender cualquier fuente de información, tales como texto, imágenes, audio y vídeo? ¿Puedo obtener información de cualquier fuente, como páginas oficiales del gobierno, periódicos, redes sociales y foros de opinión?Aunque en general entendemos por datos cualquier tipo de información que se almacena en un ordenador, en el contexto de este libro usaremos datos para referirnos a colecciones de elementos con una serie de atributos.

Preguntas frecuentes

Simplemente, dirígete a la sección ajustes de la cuenta y haz clic en «Cancelar suscripción». Así de sencillo. Después de cancelar tu suscripción, esta permanecerá activa el tiempo restante que hayas pagado. Obtén más información aquí.
Por el momento, todos nuestros libros ePub adaptables a dispositivos móviles se pueden descargar a través de la aplicación. La mayor parte de nuestros PDF también se puede descargar y ya estamos trabajando para que el resto también sea descargable. Obtén más información aquí.
Ambos planes te permiten acceder por completo a la biblioteca y a todas las funciones de Perlego. Las únicas diferencias son el precio y el período de suscripción: con el plan anual ahorrarás en torno a un 30 % en comparación con 12 meses de un plan mensual.
Somos un servicio de suscripción de libros de texto en línea que te permite acceder a toda una biblioteca en línea por menos de lo que cuesta un libro al mes. Con más de un millón de libros sobre más de 1000 categorías, ¡tenemos todo lo que necesitas! Obtén más información aquí.
Busca el símbolo de lectura en voz alta en tu próximo libro para ver si puedes escucharlo. La herramienta de lectura en voz alta lee el texto en voz alta por ti, resaltando el texto a medida que se lee. Puedes pausarla, acelerarla y ralentizarla. Obtén más información aquí.
Sí, puedes acceder a Big data con python de Caballero, R ; Martín, E ; Riesco, A en formato PDF o ePUB, así como a otros libros populares de Ciencia de la computación y Ciencias computacionales general. Tenemos más de un millón de libros disponibles en nuestro catálogo para que explores.

Información

Editorial
Alfaomega
Año
2019
ISBN
9789587784787
Categoría
Ciencia de la computación
Categoría
Ciencias computacionales general

Índice

  1. ÍNDICE
  2. PRÓLOGO
  3. LOS AUTORES
  4. Capítulo 1 - LECTURA DE FICHEROS
  5. INTRODUCCIÓN
  6. CSV
  7. TSV
  8. EXCEL
  9. JSON
  10. XML
  11. CONCLUSIONES
  12. REFERENCIAS
  13. Capítulo 2 - WEB SCRAPING
  14. INTRODUCCIÓN
  15. FICHEROS INCLUIDOS EN LA PÁGINA WEB
  16. DATOS QUE FORMAN PARTE DE LA PÁGINA
  17. ELEMENTOS DE FORMATO
  18. LISTAS
  19. ENLACES
  20. IMÁGENES
  21. TABLAS
  22. FORMULARIOS
  23. ATRIBUTOS MÁS USUALES
  24. DATOS QUE REQUIEREN INTERACCIÓN
  25. ACCESO AL DRIVER A TRAVÉS DE LA VARIABLE DE ENTORNO PATH
  26. ACCESO AL DRIVER INCORPORANDO LA RUTA EN EL CÓDIGO PYTHON
  27. COMPONENTE “/”
  28. COMPONENTE “*”
  29. COMPONENTE “.”
  30. COMPONENTE “//”
  31. FILTROS [ … ]
  32. CONCLUSIONES
  33. REFERENCIAS
  34. Capítulo 3 - RECOLECCIÓN MEDIANTEAPIS
  35. INTRODUCCIÓN
  36. API TWITTER
  37. BÚSQUEDA PUNTUAL DE TWEETS
  38. BÚSQUEDA DE TWEETS EN STREAMING
  39. API-REST
  40. REFERENCIAS
  41. Capítulo 4 - MONGODB
  42. INTRODUCCIÓN
  43. ¿DE VERDAD NECESITO UNA BASE DE DATOS? ¿CUÁL?
  44. ARQUITECTURA CLIENTE-SERVIDOR DE MONGODB
  45. BASES DE DATOS, COLECCIONES Y DOCUMENTOS
  46. CARGA DE DATOS
  47. CONSULTAS SIMPLES
  48. IGUALDAD
  49. OTROS OPERADORES DE COMPARACIÓN Y LÓGICOS
  50. ARRAYS
  51. $EXISTS
  52. AGREGACIONES
  53. VISTAS
  54. UPDATE Y REMOVE
  55. REFERENCIAS
  56. Capítulo 5 - APRENDIZAJE AUTOMÁTICO CON SCIKIT-LEARN
  57. INTRODUCCIÓN
  58. NUMPY
  59. PANDAS (PYTHON DATA ANALYSIS LIBRARY)
  60. APRENDIZAJE AUTOMÁTICO
  61. APRENDIZAJE SUPERVISADO
  62. APRENDIZAJE NO SUPERVISADO
  63. BIBLIOTECA SCIKIT-LEARN
  64. TUBERÍAS
  65. PERSISTENCIA DE MODELOS
  66. OPTIMIZACIÓN DE HIPERPARÁMETROS
  67. CONCLUSIONES
  68. REFERENCIAS
  69. Capítulo 6 - PROCESAMIENTO DISTRIBUIDO CON SPARK
  70. INTRODUCCIÓN
  71. CONJUNTOS DE DATOS DISTRIBUIDOS RESILIENTES
  72. CREACIÓN DE RDDS
  73. ACCIONES
  74. TRANSFORMACIONES
  75. EJEMPLO DE PROCESAMIENTO DE RDD
  76. CONCLUSIONES
  77. REFERENCIAS
  78. Capítulo 7 - SPARKSQL Y SPARKML
  79. SPARKSQL
  80. DATAFRAMES DESDE VALORES Y RDDS
  81. DATAFRAMES DESDE FICHEROS
  82. INSPECCIÓN DE DATAFRAMES
  83. FILTRADO DE DATAFRAMES
  84. COMBINACIÓN DE DATAFRAMES
  85. TRANSFORMACIÓN DE DATAFRAMES
  86. SQL SOBRE DATAFRAMES
  87. SPARK ML
  88. REFERENCIAS
  89. Capítulo 8 - VISUALIZACIÓN DE RESULTADOS
  90. INTRODUCCIÓN
  91. LA BIBLIOTECA MATPLOTLIB
  92. GRÁFICAS
  93. CONCLUSIONES
  94. REFERENCIAS
  95. APENDICE - INSTALACIÓN DELSOFTWARE
  96. ÍNDICE ANALÍTICO