- 各大电商平台有售
- 电子工业出版社天猫旗舰店
我利用百度提供的Ai Studio平台，创建了本书配套的实验课程，读者进入该课程之后，可以对照本书，在线调试所有代码，并且使用所提供的各种数据集。也可以将源码和数据集下载到本地使用。
地址：https://aistudio.baidu.com/aistudio/course/introduce/1337
链接: https://pan.baidu.com/s/1BDBxTnc9J1LP3zpWoiJIZw 提取码: qj2l
以下视频课程是西交利物浦大学洪贤斌博士依据本书内容录制
《Python数据处理与特征工程》：https://edu.csdn.net/course/detail/30850
在我的微信公众号【老齐教室】和博客上有很多关于数据科学的文章，其中也包含数据准备和特征工程相关内容。
请阅读：数据科学和人工智能文章汇总
##《数据准备和特征工程》目录
-
课程概论
-
感知数据
-
数据清理
-
特征变换
-
特征选择
-
- 特征选择简述
- 封装器法
- 过滤器法
- 嵌入法
-
特征抽取
-
- 无监督特征抽取👉视频课程：无监督特征抽取
- 有监督特征抽取
2020年3月第1版第1次印刷
- 位置：第1自然段，第2行
- 原文：另外，数据科学业界中还流传着另一句话：
- 修改为：
另外，数据科学业界中还流传着另一句话： - 说明：去掉原文中的“另外”和“中”
- 位置：正文，第5自然段，第5行
- 原文：各环节之间不仅前后衔接，而且还可能循环往复。
- 修改为：各环节之间不仅前后衔接，
而且还可能循环往复。 - 说明：去掉原文中的“而且”。
- 位置：正文，第3自然段。
- 原文：⑫的作用是……。注意，这一句必须在且只能在代码块的第1行。
- 修改为：⑫的作用是……。
注意，这一句必须在且只能在代码块的第1行。 - 说明：删除“注意......”这一句。
- 位置：正文，倒数第1段，倒数第1行
- 原文：⑰是惰性操作，......，直到执行后续操作。
- 修改为：
⑰是惰性操作，......，直到执行后续操作。 - 说明：原文所示的那一句删除。
- 位置：代码段，In[9]，第2行
- 原文：
tdatas.to_csv("./chapter01/movies.csv") - 修改为：
datas.to_csv("./chapter01/movies.csv") - 说明：原文中，在
datas前面的字母 t 应该去掉
- 位置：动手练习，第1题，整个题目进行修改。
- 修改为：在网上找到一个可用于读取数据的API，练习通过API读取数据。
- 说明：原文中的题目，因为API失效，不能使用，所以将题目内容更改。
-
说明：在正文倒数第1段之前，即“下面就使用这个函数读取Excel文件的数据”此段落之前，插入如下内容
为了顺利使用
pd.read_excel函数，先安装两个操作Excel文件常用的第三方包：xlrd、openpyxl。
- 说明：在第一段代码之后，在“建议读者在上述基础上，......”这段之前，增加下述内容。
利用read_sql_query函数，能够对数据库表直接使用SQL语句。此外，Pandas中还有一个名为read_sql的函数，它是对函数read_sql_query和read_sql_table的高级封装，用这个函数能够从指定数据库文件中读取数据。
为了使用这个函数，必须安装SQLAlchemy模块。
$ pip install sqlalchemy在演示读取数据之前，先创建一个SQLite的数据库文件（SQLite数据库是Python默认支持的，Python中有相应的标准库sqlite3）。
from sqlalchemy import create_engine
engine = create_engine('sqlite:///data.db', echo=False)创建名称为data.db的SQLite数据库，并用变量engine引用此数据库对象。
import pandas as pd
path = '/Users/qiwsir/Documents/Codes/DataSet/pm25'
diadf = pd.read_csv(path+"/pm2.csv")
diadf.to_sql("diadata.db", con=engine, index_label='ID')从CSV文件中的读取数据，然后执行to_sql方法，将数据保存到前面创建的数据库中，并将相应的数据库表命名为diadata.db。
执行完上述操作之后，在本地就可以看到名为data.db的数据库文件，如果用可视化工具打开这个数据库，可以查看到里面的内容（如下图所示，相关操作方法请参阅《Python大学实用教程》）。
接下来，就可以使用Pandas的read_sql函数从这个数据库中读取数据库表diadata.db中的数据了。
df = pd.read_sql('diadata.db', con=engine, index_col='ID')
df.head()输出：
RANK CITY_ID CITY_NAME Exposed days
ID
0 1 594 拉萨 2
1 2 579 玉溪 7
2 3 263 厦门 8
3 4 267 泉州 9
4 5 271 漳州 10