本书详细地介绍了大数据、人工智能等项目中不可或缺的环节和内容：数据准备和特征工程。书中的每节首先以简明方式介绍了基本知识；然后通过实际案例演示了基本知识的实际应用，并提供了针对性练习项目，将“知识、案例、练习”融为一体；最后以“扩展探究”方式引导读者进入更深广的领域。
本书既适合作为大学相关专业的教材，也适合作为大数据、人工智能等领域的开发人员的参考读物。

第1章 感知数据
1.0 了解数据科学项目
1.1 文件中的数据
1.1.1 CSV文件
1.1.2 Excel文件
1.1.3 图像文件
1.2 数据库中的数据
1.3 网页上的数据
1.4 来自API的数据
第2章 数据清理
2.0 基本概念
2.1 转化数据类型
2.2 处理重复数据
2.3 处理缺失数据
2.3.1 检查缺失数据
2.3.2 用指定值填补
2.3.3 根据规律填补
2.4 处理离群数据
第3章 特征变换
3.0 特征的类型
3.1 特征数值化
3.2 特征二值化
3.3 OneHot编码
3.4 数据变换
3.5 特征离散化
3.5.1 无监督离散化
3.5.2 有监督离散化
3.6 数据规范化
第4章 特征选择
4.0 特征选择简述
4.1 封装器法
4.1.1 循序特征选择
4.1.2 穷举特征选择
4.1.3 递归特征消除
4.2 过滤器法
4.3 嵌入法
第5章 特征抽取
5.1 无监督特征抽取
5.1.1 主成分分析
5.1.2 因子分析
5.2 有监督特征抽取
附录A Jupyter简介
附录B NumPy简介
附录C Pandas简介
附录D Maptplotlib简介
后记