Python 数据挖掘入门与实践--代码与文档

Python 数据挖掘入门与实践--代码与文档 书本内所呈现的完整代码与样例数据集

import os
import re
from mrjob.job import MRJob
from mrjob.step import MRStep

word_search_re = re.compile（r“[\w‘]+“）


class ExtractPosts（MRJob）:

    post_start = False
    post = []

    def mapper（self key line）:
        filename = os.environ[“map_input_file“]
        gender = filename.split（“.“）[1]
        try:
            docnum = int（filename[0]）
        except:
            docnum = 8
        if filename.startswith（“51“）:
            # remove leading and trailing whitespace
            line = line.strip（）
            if line == ““:
                self.post_start = True
            elif line == ““:
                self.post_start = False
                yield gender repr（“\n“.join（self.post））
                self.post = []
            elif self.post_start:
                self.post.append（line）



if __name__ == ‘__main__‘:
    ExtractPosts.run（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 1\
     文件        1000  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 1\affinity_dataset.txt
     文件       16777  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 1\ch1_affinity.ipynb
     文件        3670  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 1\ch1_affinity_create.ipynb
     文件       13847  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 1\ch1_oner_application.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 10\
     文件       78925  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 10\Chapter 10 Clusterer.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 11\
     文件       59206  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 11\Chapter 11 （CIFAR）.ipynb
     文件       62409  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 11\Chapter 11 （Theano and Lasagne）.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\
     文件       38759  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\CH12 MapReduce Basics.ipynb
     文件       10578  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\Chapter 12 （NB Predict）.ipynb
     文件        1730  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\Chapter 12 （Test load）.ipynb
     文件         882  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\extract_posts.py
     文件        1986  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\nb_predict.py
     文件        2021  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 12\nb_train.py
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 2\
     文件      143291  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 2\Ionosphere Nearest Neighbour.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 3\
     文件       45385  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 3\Basketball Results.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 4\
     文件       46259  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 4\ch4 Affinity Analysis.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 5\
     文件        1034  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 5\adult_tests.py
     文件       13293  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 5\ch5_adult.ipynb
     文件       29985  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 5\ch5_advertisements.ipynb
     目录           0  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 6\
     文件        4977  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 6\ch6_classify_twitter.ipynb
     文件       13853  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 6\ch6_get_twitter.ipynb
     文件        6717  2018-03-20 01:15  python数据挖掘入门与实践\Chapter 6\ch6_label_twitter.ipynb
............此处省略12个文件信息