本書正文的最后一章，我們來看一些真實世界的數(shù)據(jù)集。對于每個數(shù)據(jù)集，我們會用之前介紹的方法，從原始數(shù)據(jù)中提取有意義的內(nèi)容。展示的方法適用于其它數(shù)據(jù)集，也包括你的。本章包含了一些各種各樣的案例數(shù)據(jù)集，可以用來練習(xí)。

案例數(shù)據(jù)集可以在Github倉庫找到，見第一章。

14.1 來自Bitly的USA.gov數(shù)據(jù)

2011年，URL縮短服務(wù)Bitly跟美國政府網(wǎng)站USA.gov合作，提供了一份從生成.gov或.mil短鏈接的用戶那里收集來的匿名數(shù)據(jù)。在2011年，除實時數(shù)據(jù)之外，還可以下載文本文件形式的每小時快照。寫作此書時（2017年），這項服務(wù)已經(jīng)關(guān)閉，但我們保存一份數(shù)據(jù)用于本書的案例。

以每小時快照為例，文件中各行的格式為JSON（即JavaScript Object Notation，這是一種常用的Web數(shù)據(jù)格式）。例如，如果我們只讀取某個文件中的第一行，那么所看到的結(jié)果應(yīng)該是下面這樣：

In [5]: path = 'datasets/bitly_usagov/example.txt'

In [6]: open(path).readline() 

Out[6]: '{ "a": "Mozilla\\/5.0 (Windows NT 6.1; WOW64) AppleWebKit\\/535.11 (KHTML, like Gecko) Chrome\\/17.0.963.78 Safari\\/535.11", "c": "US", "nk": 1, "tz": "America\\/New_York", "gr": "MA", "g": "A6qOVH", "h": "wfLQtf", "l": "orofrog", "al": "en-US,en;q=0.8", "hh": "1.usa.gov", "r": "http:\\/\\/www.facebook.com\\/l\\/7AQEFzjSi\\/1.usa.gov\\/wfLQtf", "u": "http:\\/\\/www.ncbi.nlm.nih.gov\\/pubmed\\/22415991", "t": 1331923247, "hc": 1331822918, "cy": "Danvers", "ll": [ 42.576698, -70.954903 ] }\n'

閱讀全文：http://t.cn/Rudc6hq