隨著大數據時代的到來，數據已成為重要的生產要素，滲透到各行各業，也逐漸成了企業核心競爭力的一部分。因此，對企業而言，不僅需要知道如何管理數據，更需要知道如何構建分析系統，挖掘數據規律，解讀數據價值。企業如果要通過對數據的有效管控和分析，做出科學、合理的決策，就需要大量的大數據分析人員發現企業所需的數據與信息，運用數據分析方法的思想，科學地建立數據挖掘模型，挖掘其規律和價值，為企業的戰略決策和運營管理提供強有力的支撐。此外，隨著大數據與人工智能已上升為國家戰略，國內諸多高校都開設了大數據相關專業，大數據應用型人才的培養迫在眉睫。大數據應用型人才不僅需要掌握理論知識，還需要具備理論聯系實際的分析與決策能力，才能滿足企業對數據分析人才的需求。

PySpark作為Spark的Python編程接口，繼承了Python語言表達力強、開發效率高的特點，成為越來越多的數據分析團隊、數據分析師進行數據分析時選擇的工具。目前市面上關于 PySpark 在大數據應用方面的圖書不多，同時能夠結合實際案例，從提出問題到需求分析，再到設計分析和編程實踐，完整展示 PySpark 大數據分析的相關圖書更少。本書全面貫徹黨的二十大精神，以社會主義核心價值觀為引領，傳承中華優秀傳統文化，將團結就是力量、去偽存真的科學探索精神、實事求是的科學態度融到PySpark大數據分析技術的學習中，并通過理論結合實踐，運用該技術解決實際場景中的大數據分析問題，培養學生大數據思維，為加快發展新質生產力，建設網絡強國、數字中國而服務。

本書特色

1.理論敘述由淺入深、循序漸進，表達通俗易懂。本書從基本概念入手，介紹相關的基礎理論，再通過應用示例介紹如何運用具體方法解決實際問題。

2.強化基礎，突出知識的應用性。結合高校教學特點和學生的情況，突出PySpark大數據分析的重點內容，強調 PySpark 在實際問題中的應用性，充分體現理論知識與應用的緊密結合。

3.從實踐出發，重點突出可操作性。本書從構建 PySpark 的開發環境入手，詳細介紹單機模式的PySpark開發環境搭建（基于Windows系統搭建，搭建過程簡單、易于操作）和分布式模式的PySpark開發環境搭建（基于Linux系統搭建，貼近實際應用場景，處理高效），幫助學生構建可操作的實踐環境，實踐本書的內容。本書大部分章附有實訓和課后習題，便于學生進行上機實驗，鞏固所學知識，真正理解并應用所學知識。

4.通過典型案例完整展示PySpark大數據分析的過程，強化知識的實際應用。本書最后兩章介紹兩個案例，以應用為導向，從需求分析入手，再設計解決方案，最終幫助學生運用所學知識實現PySpark大數據分析過程。

5.體現思想育人。本書不僅注重培養學生分析和處理數據的能力，以及運用數據分析理論與方法解決實際問題的實踐能力；同時注重課程內容與思想教育的有機融合，在潛移默化中引領學生樹立正確的三觀和踐行社會主義核心價值觀，成為堅持正確政治方向的“四有青年”。

本書適用對象

● 開設大數據分析課程的高校師生。

● 大數據開發技術人員。

● 學習PySpark大數據分析的愛好者。

代碼下載及問題反饋

為了幫助讀者更好地使用本書，本書提供配套的原始數據文件、程序代碼，以及PPT 課件、教學大綱、教學進度表和教案等教學資源，讀者可以從泰迪云教材網站上免費下載，也可登錄人郵教育社區（www.ryjiaoyu.com）下載。同時歡迎讀者加入“人郵大數據教師服務群”（QQ群：669819871）進行交流探討。

由于編者水平有限，書中難免出現一些疏漏和不足之處。如果讀者有更多的寶貴意見和建議，歡迎在“泰迪學社”微信公眾號（TipDataMining）回復“圖書反饋”進行反饋。更多本系列教材的信息可以在泰迪云教材網站上查閱。

編者

2023年11月