本书围绕大数据预处理业务背景及相关技术，以学情境的方式，首先介绍了使用 python、panda对各种数据源的读写，然后介绍了数据的清洗、集成、规约、变换四个处理数据方式，后介绍了使用kettle工具和mapreduce编程对数据进行处理的技术，通过理论结合实际、循序渐进的学方式，让读者学并掌握大数据预处理技术及应用。本书理论分析相对较少，侧重动手实践，适合应用型本科、高职高专大数据技术专业和希望快速进入大数据领域的读者参使用。