Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要分析、处理大量数据的金融行业得到了广泛而迅速的应用，并且成为该行业开发核心应用的编程语言。《Python金融大数据分析》提供了使用Python进行数据分析，以及开发相关应用程序的技巧和工具。 《Python金融大数据分析》总计分为3部分，共19章，部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、数生成和过程模拟、Python统计学应用、Python和Excel的集

本书详细介绍了“人力数据分析”这一新领域，内容涵盖人力数据分析的基本内容、基本方法、基本框架、基本工具以及误区和陷阱等。书中展示了如何使用数据分析将人力资源决策与企业战略联系起来，如何开展人力数据分析，并通过大量公司的真实案例，展示了如何灵活运用人力数据分析应对各种情况。通过本书，你可以学会如何收集数据、分析数据，运用数据思维，去创建一个 快乐、 敬业的员工队伍，打造个人和组织的 绩效。无论是高管、人力资源专业工作者还是数据分析师，你都会在本书中找到适合你的内容。

《深入浅出数据分析》以类似"章回小说”的活泼形式，生动地向读者展现出色的数据分析人员应知应会的技术：数据分析基本步骤、实验方法、优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧；正文之后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。

本书详细介绍了Oracle、MySQL、PostgreSQL、SQL Server、DB2等各种关系数据库的SQL查询技巧和一些基础的SQL查询语句，并且通过短小精悍的实例，不仅讲解了如何插入、更新和删除数据，还介绍了如何检索记录、为查询结果排序、同时操作多张数据库表、查询元数据、处理涉及字符串和数值的操作、根据时间数据和日期数据进行运算、执行层次查询和区间查询等。随着多种SQL实现大量采用窗口函数，本书第2版针对相关实例做了优化，还新增了为数据科学家和算法工程师量身定制的实例。本书适合数据分析师、数据库管理员以及与SQL打交道的数据科学家和算法工程师阅读。

Spark SQL 是 Spark 技术体系中较有影响力的应用（Killer application），也是 SQL-on-Hadoop 解决方案 中举足轻重的产品。《Spark SQL内核剖析》由 11 章构成，从源码层面深入介绍 Spark SQL 内部实现机制，以及在实际业务场 景中的开发实践，其中包括 SQL 编译实现、逻辑计划的生成与优化、物理计划的生成与优化、Aggregatio算子和 Joi算子的实现与执行、Tungste优化技术、生产环境中的一些改造优化经验等。

本书提供了一种简单、高效、通用的关系型数据库索引设计方法。作者通过系统的讲解及大量的案例清晰地阐释了关系型数据库的访问路径选择原理，以及表和索引的扫描方式，详尽地讲解了如何快速地估算SQL运行的CPU时间及执行时间，帮助读者从原理上理解SQL、表及索引结构、访问方式等对关系型数据库造成的影响，并能够运用量化的方法进行判断和优化，指导关系型数据库的索引设计。

本书是首本专注于利用R语言进行科研数据清洗的书籍，全书主要分为两大块，首块以简洁的内容向读者介绍R语言的入门知识，让读者了解并认识R语言，为后面的内容打下基础。全书大部分篇幅主要集中在第二块内容，即数据清洗的知识。作者从实际问题出发，详细的介绍了如何利用R语言处理科研中的数据，比如缺失值的插补，异常值的查找，长宽型数据结构的转换，时间日期数据的处理，文本数据的处理等，此外，作者也将数据清洗的内容进行了适当扩展，比如书中加入了R语言与数据库的连接方法，让大数据的处理更加得心应手。

本书介绍各行业核心数据模型和应用的一个完备模型库，其中既有针对具体行业的模型，也有作者定制的通用模型。本书所涉及的具体行业包括制造业、电信业、保险业、医疗保健、金融服务业、专业服务业、旅行业和电子商务业，并对这些行业的数据模型进行了详细介绍。 本书的结构清晰，内容有条理，并有大量的图表说明，书后的录还提供了各行业数据模型的具体实体和属性，非常实用，适合企业的数据体系设计人员参考，是一本不可多得的数据库资源手册。

当代商业和科学领域大量激增的数据量要求我们采用更加复杂和精细的工具来进行数据分析、处理和挖掘。尽管近年来数据挖掘技术取得的长足进展使得我们广泛收集数据越来越容易，但技术的发展依然难以匹配爆炸性的数据增长以及随之而来的大量数据处理需求，因此我们比以往更加迫切地需要新技术和自动化工具来帮助我们将这些数据转换为有用的信息和知识。 本书前版曾被KDnuggets的读者评选为欢迎的数据挖掘专著，是一本可读性的。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和的课题数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘。每章都针对关键专题有单独的指导，提供算法，并对怎样将技术运用到实际工作中给出了经过实践检验的实

研究颜色作为可视化工具的基本概念，颜色可以用来强调、区分或表示数据值。理解冗余编码的重要性，确保以多种方式提供关键信息。使用这本书的可视化方法名录，提供了常用的各种类型数据可视化的一个图形化向导。提供了好图和坏图的大量示例。学习如何在文档或报告中使用图表，包括如何有效地利用图表讲一个让人信服的故事。