《深入大型数据集：并行与分布化Python代码》-J.T. 沃勒翰
本书共分3部分，主要介绍如何使用Python语言来处理大型数据集。第1部分介绍map和reduce编程风格，以及Python中基础的map和reduce函数，并介绍如何将对象持久化，通过惰性函数和并行函数来加快大型数据集的处理速度。第2部分介绍Hadoop和Spark框架，以及如何使用mrjob库来编写Hadoop作业，如何实现PageRank算法，如何使用Spark来实现决策树和随机森林的机器学习模型。第3部分重点介绍云计算和云存储的基础知识，包括如何通过boto3的Python库将文件上传到AWS S3服务，以及如何在AWS的EMR集群中运行分布式的Hadoop和Spark作业。本书适合有一定Python编程基础，且希望掌握大型数据集处理能力的开发人员和数据科学家阅读。
免责声明: 本站所有资源搜集于互联网，所提供下载链接也是站外链接，网站本身不存储任何相关资源文件， 如资源下载链接侵犯到版权方，请发送邮件到1401211620@qq.com，站长核实后会第一时间移除，谢谢!
![《复杂的引擎》[新版]梅菲尔德/交叉学科新领域佳作](https://boyanglee.com/storage/books/s_28719_1658060777.jpg "《复杂的引擎》[新版]梅菲尔德/交叉学科新领域佳作")
![《白夜》[全彩插图版]陀思妥耶夫斯基/来温柔地跌入陀坑](https://boyanglee.com/storage/books/s_14436_1659315009.jpg "《白夜》[全彩插图版]陀思妥耶夫斯基/来温柔地跌入陀坑")
