1. MapReduce和Spark的对比 MapReduce是一种计算模型，将大型数据分解成很多单个任务在集群中并行执行，然后将计算结果合并起来得到最终的结果。具体关于MapReduce的介绍可以看之前写过的文章(三)通俗易懂地理解MapReduce的工作原理。 需要写很多底…

如果Pandas只是能把一些数据变成 dataframe 这样优美的格式，那么Pandas绝不会成为叱咤风云的数据分析中心组件。因为在数据分析过程中，描述数据是通过一些列的统计指标实现的，分析结果也需要由具体的分组行为，对各组横向纵向对比。 GroupBy 就是这样的一个有力武…

在 04-Pandas文本数据处理 介绍了使用 Pandas 处理文本（字符串）数据，这节来看下分类（category）数据如何处理吧。 在创建分类数据之前，先来了解下什么是分类（Category）数据呢？分类数据直白来说就是取值为有限的，或者说是固定数量的可能值。例如：性别、…

在 Pandas缺失值处理 | 轻松玩转Pandas（3） 介绍了 Pandas 中缺失值的处理，这一节我们来看一看如何处理 Pandas 中的文本（字符串）。 文本数据也就是我们常说的字符串，Pandas 为 Series 提供了 str 属性，通过它可以方便的对每个元素进行…