时至今日产生的数据量达到了一个惊人的地步，而且还在不断增长。Apache Sparki已经成为分析大数据的实际工具，并且也是数据科学工具箱的关键部分。本书针对Spark近期新版本进行了更新，将Spak、统计方法和真实数据集结合在一起，教你如何运用PySpark、Spark Python API和Spark编程中的其他很好实践来解决分析问题。
数据科学家Akash Tandon、Sandy Ryza、Uri Laserson、Sean Owen和Josh Wills介绍了Spark:生态系统，然后深入研究将常用技术（包括分类、聚类、协同过滤和异常检测）应用于以下领域：基因组学、安全工作和金融。此更新版本还涵盖图像处理和Spark NLP库。
如果你对机器学习和统计学有基本的了解，并且能够使用Python进行编程，那么本书将帮助你开始进行大规模的数据分析。

前言
第1章 大数据分析
1.1 使用大数据
1.2 Apache Spark PySpark
1.2.1 组件
1.2.2 PySpark
1.2.3 生态系统
1.3 Spark 3.0
1.4 PySpark处理数据科学问题
1.5 本章小结
第2章 PySpark数据分析简介
2.1 Spark架构
2.2 安装PySpark
2.3 设置我们的数据
2.4 使用DataFrame API分析数据
2.5 DataFrames的快速汇总统计
……