文本清洗是一个繁琐的过程，理解正确的步骤是取得成功的关键。参考这个小抄本在Python中逐步执行文本数据清洗。这样你就知道什么时候该删除停止符、标点、表达式等。这份小抄的特别之处在于每个步骤都给出了代码和案例。

　　第二部分

　　数据科学专场：R的小抄表

　　小白：好多同学都在问，有全套的R小抄么？

　　答：有哦，入门请看10-13号小抄，从功能说明到详细操作应有尽有，还不熟练的话照着做就对了。

　　10. R最全的引用卡

　　这份小抄代码整理了用于R的所有功能和操作。理解在R中的不同术语，它对于数据创建、数据处理、数据操作、函数建模、筛选等各方面功能都做了说明。

　　11. 小抄表—11步完成R的数据探索（附代码）

　　这份小抄表将手把手地教你学会用R进行探索性数据分析。从学习如何加载文件，到将变量转换为不同的数据类型，转置数据集，分类数据框，创建图表等。

　　12. R的数据导入

　　这份小抄将教会你学习如何通过readr, tibble和tidyr包导入数据。你可以通过tibble包使用函数对数据进行读写，还可以通过tidyr包重构数据,合并或者分离列。

　　13. 通过dplyr包进行数据转化

　　这份由RStudio提供的小抄是用dplyr包做数据转换的参考材料。里面有所有需要进行数据转换操作的短代码和运算符，以及汇总操作，分组操作，运算操作，矢量化和组合变量的函数案例。

　　小白：R的可视化方面的小抄表有么？

　　答：当然。R的数据可视化功能非常强大。14~15号小抄就是专门为可视化定制的哦。

　　14. R的数据可视化

　　之前我们看了Python的数据可视化小抄。这个是用于R的图表绘制小抄,你可以用它画出数据。通过几行代码,就可以创建漂亮的图表和数据故事。R有很棒的库，用来绘制可视化图表的基本款和升级版，比如条形图、直方图、散点图、可视化地图、组合图等。

　　15. 用ggplot2创建数据可视化图表

　　这是使用ggplot2 创建可视化图表的小抄表。ggplot2用于图形语法，它建立在一组表示数据点的视觉标志上。用小抄代码和不同技术在R中创建图形组件和各种图表。

　　小白：还有别的么？比如关于常用包或者数据挖掘的？

　　答：16号就是关于Caret 包的小抄~数据挖掘的请看17号；另外我们还有一个云计算的小抄哦。是不是赚到啦！

　　16. Caret 包小抄表

　　Caret包提供了一组函数用于简化预测模型的建立过程。里面包括了进行数据分割、预处理、特征选择、模型调优和可视化的函数。

　　17. R的数据挖掘引用卡片

　　这个小抄表提供了使用R进行文本挖掘、异常值检测、集群、分类、社交网络分析、大数据、并行计算的功能。它给了你所有需要用R进行数据挖掘的函数和运算符。

　　18. 快速学习R的云计算指导手册

　　云计算使我们能够容易的从任何地方访问我们的文件和数据。通过这份小抄表，你将了解如何使用R进行云计算。遵循这个指导你就可以在AWS上使用R进行编程了！

　　第三部分

　　机器学习小抄表

　　问：话说我刚开始学习机器学习算法。有哪些小抄可以用？

　　答：Python和R算法入门请看19号，如果已经进阶到scikit-learn的话那就一定要看看20号小抄啦。有使用微软Azure的继续下拉，21号很适合你。

　　19.用于机器学习算法的Python和R的小抄表

　　这本小抄表里有Python和R常用的机器学习算法。包括线性回归、逻辑回归、决策树、支持向量机（SVM）、朴素贝叶斯、KNN分类算法、聚类算法、随机森林算法等。

　　20. Scikit学习算法小抄

　　这份算法图是scikit-learn官方提供的。很多人都不知道如何选择特定的机器学习算法应对不同的数据类型和问题。有了这份图，你就清楚地了解完整的机器学习问题不同算法的区别。

　　21. 微软Azure机器学习算法小抄

　　这份微软官方出品的小抄表提供了一个清晰的数据路径，能够帮助你找到所需的Azure Machine Learning Studio预测算法。

　　第四部分

　　概率小抄表

　　小白：想不到数据科学需要那么多关于概率的知识，有什么参考可以看么？

　　答：碰巧我们也有关于概率的小抄哦。22号是基础版，23号是针对概率分布的进阶版。请好好享用。

　　22. 概率基础小抄

　　这份宾夕法尼亚大学总结i的小抄是针对概率与统计的全面参考。每个概念都有对应的完备图解，用精准的方式对基础概率规则到高级统计概念进行说明。建议你把它放在手边做备忘参考。

　　23. 概率分布的小抄表

　　这份小抄对于各种常用数据概率分布做了概览。每一个分布都有对应的符号、公式和简短说明。

　　第五部分

　　SQL和MySQL小抄

　　小白：我刚开始用SQL，连怎么导入信息都不知道，有什么可以帮我的么？

　　答：24号小抄就是关于SQL基础操作的啦，你想了解的都在这，请拿好。

　　小白：我们公司用的是MySQL, 有关于它的小抄么？

　　答：25号小抄是就是为你准备的，常用的指令都可以在那找到哦。

　　24. SQL 小抄表

　　这份小抄表是关于SQL基础操作的教程，包括如何导入、更新、删除、归类、排序等。如果你刚开始用SQL，这份小抄务很实用。

　　25. MySQL和SQL小抄表

　　在这份小抄里，你会找到MySQL和SQL的常用指令，比如MySQL需要的计算函数，字符串函数；SQL需要的数据修改和查询指令等。

　　第六部分

　　大数据小抄表

　　问：既然说了这么多语言了，我也想知道关于使用大数据数据处理语言Hadoop的一切，包括Apache Spark或者Hive这种扩展资讯，有没有办法帮我？

　　答：必须有！26号小抄就是Hadoop的全面介绍，另外关于如何使用Apache Spark和Hive指令的，详见27号和28号小抄哦。

　　26. Hadoop小抄表

　　Hadoop是一个巨型生态系统，里面包含了大量的操作内容。为了了解各种操作用途以及工作方式，小抄内容按照功能进行了分类，比如分散式系统、数据处理、数据的导入导出以及管理等。

　　27. Apache Spark 的小抄表

　　28. Hive的功能小抄

　　小白：哇噻！不知不觉已经28张小抄表了，绝对是良心大放送！

转载请注明出处。