DolphinDB 從入門到精通之?dāng)?shù)據(jù)分析

定　價(jià)：￥99.00

作　者：	周小華
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥78.20)

ISBN：	9787115650191	出版時(shí)間：	2024-09-01	包裝：	平裝-膠訂
開本：	16開	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　DolphinDB不僅支持海量數(shù)據(jù)的高效存儲(chǔ)與查詢，更開創(chuàng)性地提供了功能完備的編程語(yǔ)言以支持復(fù)雜分析，以及高吞吐、低延時(shí)、開發(fā)便捷的流數(shù)據(jù)分析框架，是計(jì)算能力最強(qiáng)的數(shù)據(jù)庫(kù)系統(tǒng)之一。本書從入門概念開始介紹，到實(shí)踐應(yīng)用分析，講解深入淺出、易于理解，是一本具有實(shí)踐意義的數(shù)據(jù)分析工具書。本書介紹了如何使用 DolphinDB這一集存儲(chǔ)和高性能計(jì)算的數(shù)據(jù)庫(kù)系統(tǒng)進(jìn)行數(shù)據(jù)分析實(shí)踐，提供了大量金融和物聯(lián)網(wǎng)等場(chǎng)景的實(shí)踐案例，讀者可以通過(guò)借鑒和修改案例中的解決方案，將它們應(yīng)用于自己的數(shù)據(jù)分析系統(tǒng)之中。即使是零基礎(chǔ)的讀者，也能通過(guò)學(xué)習(xí)本書，快速上手實(shí)踐。

作者簡(jiǎn)介

　　周小華： 1 教育背景：上海交通大學(xué)取得本科和碩士學(xué)位，在美國(guó)Drexel大學(xué)獲得信息科學(xué)和技術(shù)博士學(xué)位 2 工作經(jīng)歷與社會(huì)活動(dòng)：博士畢業(yè)后，在美國(guó) LYZ 基金、巴克萊資本、摩根史丹利從事程序化交易策略和高頻交易系統(tǒng)的研發(fā)，是金融大數(shù)據(jù)存儲(chǔ)，檢索、分析和建模方面的資深專家。2016年歸國(guó)成立浙江智臾科技有限公司主要從事文本檢索、數(shù)據(jù)挖掘和大數(shù)據(jù)方向的研究。2016年回國(guó)創(chuàng)立智臾科技，研發(fā)的高性能分布式時(shí)序數(shù)據(jù)庫(kù) DolphinDB 已經(jīng)廣泛應(yīng)用于頭部的券商、公募基金、私募基金和銀行，成為量化金融重要的基礎(chǔ)設(shè)施。浙江省千人計(jì)劃人才 3 出版作品：在相關(guān)領(lǐng)域的國(guó)際頂級(jí)期刊和頂級(jí)學(xué)術(shù)會(huì)議（TKDE，SIGIR，SIGKDD，CIKM 等）發(fā)表論文30余篇。

圖書目錄

1、編程入門
1.1導(dǎo)論
1.2數(shù)據(jù)類型
1.3運(yùn)算符
1.4編程語(yǔ)句
1.5函數(shù)

2、數(shù)據(jù)結(jié)構(gòu)
2.1概述
2.2向量
2.3元組
2.4 array vector（數(shù)組向量）
2.5 columnar tuple（列式元組）
2.6 矩陣
2.7 表
2.8 字典

3、數(shù)據(jù)清洗
3.1信息統(tǒng)計(jì)
3.2缺失值處理
3.3異常值處理
3.4重復(fù)值處理
3.5離散化處理
3.6數(shù)據(jù)類型轉(zhuǎn)換
3.7 數(shù)據(jù)查找和取數(shù)
3.8表格數(shù)據(jù)增刪改
3.9數(shù)據(jù)整合
3.10數(shù)據(jù)對(duì)齊
3.11數(shù)據(jù)重組
3.12數(shù)據(jù)重排列和抽樣
3.13時(shí)序數(shù)據(jù)處理
3.14字符串操作

4、窗口計(jì)算
4.1 窗口計(jì)算的分類
4.2 滾動(dòng)窗口
4.3滑動(dòng)窗口
4.4其他窗口
4.5窗口計(jì)算對(duì)數(shù)據(jù)的處理邏輯及更多場(chǎng)景小結(jié)

5、函數(shù)式編程
5.1優(yōu)越性
5.2基礎(chǔ)概念
5.3純函數(shù)
5.4高階函數(shù)
5.5部分應(yīng)用
5.6函數(shù)元編程
5.7模塊和函數(shù)視圖
6、 SQL 編程
6.1 SQL特點(diǎn)
6.2 SQL拓展語(yǔ)法
6.3 元編程
6.4 SQL解析和執(zhí)行
6.5 SQL優(yōu)化
6.6 SQL優(yōu)化案例

7、流計(jì)算
7.1基礎(chǔ)概念
7.2流數(shù)據(jù)引擎
7.3數(shù)據(jù)回放
7.4流批一體
7.5總結(jié)與比較

8、數(shù)據(jù)可視化
8.1 VSCode 插件 / GUI
8.2 DashBoard
8.3 第三方平臺(tái)

9、并行計(jì)算 & 分布式計(jì)算
9.1并行計(jì)算
9.2分布式集群架構(gòu)
9.3分布式計(jì)算
9.4性能調(diào)優(yōu)

10、數(shù)據(jù)導(dǎo)入導(dǎo)出
10.1文本文件CSV
10.2 HDF5
10.3 Parquet
10.4 binary Record
10.5 MySQL
10.6 Oracle
10.7 MQ(以Kafka為例)

11、 JIT
11.1支持性
11.2迭代計(jì)算
11.3流計(jì)算
12、統(tǒng)計(jì)分析和優(yōu)化
12.1概率統(tǒng)計(jì)
12.2概率分布
12.3隨機(jī)數(shù)生成
12.4回歸
12.5假設(shè)檢驗(yàn)
12.6優(yōu)化器

13、機(jī)器學(xué)習(xí)/GPU/AI
13.1機(jī)器學(xué)習(xí)
13.2深度學(xué)習(xí)
13.3 GPU支持

14、 DolphinDB 與其他數(shù)據(jù)分析工具的集成與兼容
14.1 Excel集成
14.2 Python集成與兼容
附錄