本书基础理论和工程应用相结合，循序渐进地介绍了数据预处理的基本概念、基础知识、工具应用和相关案例，包括网络爬虫、数据抽取、数据清洗、数据集成、数据变换、数据向量化、数据规约等知识，书中针对每个知识点，都给出了丰富的教学实例和实现代码，最后，通过一个新闻文本分类的实际项目讲解了数据预处理技术在实际中的应用。 本书的特点是几乎涵盖了数据预处理的各种常用技术及主流工具应用，示例代码很丰富，适合于大数据从业者、AI技术开发人员以及高校大数据专业的学生使用。

白宁超，大数据工程师，现任职于四川省计算机研究院，研究方向包括数据分析、自然语言处理和深度学习。主持和参与国家自然基金项目和四川省科技支撑计划项目多项，出版专著1部。唐聃，教授，硕士生导师，成都信息工程大学软件工程学院院长，四川省学术和技术带头人后备人选。研究方向包括编码理论与人工智能，《自然语言处理理论与实战》一书作者。文俊，硕士，大数据算法工程师，现任职于成都广播电视台橙视传媒大数据中心。曾以技术总监身份主持研发多个商业项目，负责公司核心算法模型构建。主要研究方向包括数据挖掘、自然语言处理、深度学习及云计算。

前 言 当前，大数据与人工智能技术炙手可热，其对应的工作岗位也逐年增加，薪资也较为诱人。我们在做大数据与人工智能处理时，不可避免地会遇到数据的问题。现实中的数据是不完整的，比如存在缺失值、干扰值等脏数据，这样就没有办法直接挖掘数据的价值，也不能将其直接应用于人工智能设备。为了提高数据的质量产生了数据预处理技术。数据预处理主要是指对原始数据进行文本抽取、数据清理、数据集成、数据变换、数据降维等处理，其目的是提高数据质量，以更好地提升算法模型的性能，其在数据挖掘、自然语言处理、机器学习、深度学习算法中应用广泛。数据预处理是一项很庞杂的工程，当你面对一堆数据手足无措的时候，当你面对数据预处理背后的坑一筹莫展的时候，当你的算法性能迟迟不能提升的时候，本书可以帮助你解决以上问题。本书从什么是数据预处理及其相关基础知识入手，分别介绍了网络爬虫、数据抽取、数据清洗、数据集成、数据变换、数据向量化、数据规约等技术，并结合实际项目和案例帮助读者将所学知识快速应用于工程实践，相信会对数据预处理感兴趣的读者和大数据从业者有所帮助。 本书的主要内容 本书从逻辑上可分为三部分，共12章内容，各部分说明如下： 第一部分（第1~3章），主要介绍数据预处理的基础知识，包括数据预处理的基本概念、工作流程、应用场景、开发环境、入门演练和Python科学计算工具包Numpy、SciPy、Pandas及其实际应用。如果读者已具备一定的数据预处理基础，可以跳过此部分，从第三章开始学习。 第二部分（第3~10章），是数据预处理的实战进阶部分，共计8章。第3章介绍数据采集与存储，主要涉及数据类型和采集方式，...