作者：玉环

作为一个常常需要与数据打交道的数据工程师，对数据经常会在爱与恨之间周而复始，最终发现正如人无完人一样，符合预期的完美数据也是少之又少，少到记忆中捞不出零星的记忆片段。

几乎无可避免的，我们会面对各种数据上的小毛病或疑难杂症，其中最典型的大家一定非常熟悉，比如：缺失值、比如异常值等，是我们经常需要填埋的坑。比如：有些数据凭经验很想利用上看看效果，但只可意会不可“数传”的属性或者概念，如何是好？

有些需要的特征被“淹没”在数据集中，如同浩瀚如烟的沧海寻找一滴水，你知道它极大概率存在，近在眼前却也远在天边，如何辨识他们？如：出生年月或大致的年龄范围，这些数据对于分析不同年龄的人群对产品的偏好非常有必要，但它们往往不会将自己打扮成你想看到的样子，端庄地出现在你面前。类似的场景，常常需要对数据进行变换或者构造。也许你会觉得没关系，都丢进模型，咱不怕不怕不怕啦，全部跑起，但在实际的需求场景里，并不会总能以高代价获得大量维度的大量数据训练的模型，反而经常会碰到很多小而精的分析需求，需要快速产出数据结论，此时通过合适处理的前期数据、特征的选用往往成为最重要的一环，成也萧何败也萧何。

即便需求紧跟业务千变万化，但是处理数据的流程和思路却万变不离其宗。机缘巧合，我在微信公众号“老齐教室”看到了数据处理及特征工程相关的公开课，因和平常工作紧密相关，于是抱着极大的兴趣听完了课程，收获颇丰。时间所限单次公开课仅阐述其中一个点，一个问题，一个场景，但抛出了多种解决方案，几乎覆盖了常用的几种方法，且能举一反三。

进而听闻老齐有本新书《数据准备和特征工程》，便有了对整本书的期待。有这么一个存在，这么一本书，将常用的数据处理、特征工程的方法论系统整理出来，置于案边以备不时之需时翻阅，自然是极好的。最惊喜的是书里有提供实验平台入口，可以执行案例中的Python脚本。

仅以此分享给正挣扎在数据中的你。

扫描下面的二维码，可以得到本书相关的资源：

本书已经由电子工业出版社出版发行，请至天猫旗舰店选购。

觉得好看，就点赞转发