首页 > 其他 > 详细

RDD编程

时间:2021-04-19 01:28:53      阅读:26      评论:0      收藏:0      [点我收藏+]

一、词频统计:

1.读文本文件生成RDD lines

lines = sc.textFile(file:///home/hadoop/file)
lines.collect()

 技术分享图片

2.将一行一行的文本分割成单词 words flatmap()

words=lines.flatMap(lambda line:line.split())
words.collect()

 技术分享图片

3.全部转换为小写 lower()

words=lines.flatMap(lambda line:line.lower().split())
words.collect()

技术分享图片

4.去掉长度小于3的单词 filter()

words=lines.flatMap(lambda line:line.lower().split()).filter(lambda line:len(line)>3)
words.collect()

技术分享图片

5.去掉停用词

stops= sc.textFile(‘file:///home/hadoop/stopwords.txt‘)
stops.collect()

技术分享图片

stop = stops.flatMap(lambda line : line.split()).collect()
stop

 技术分享图片

words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word:word not in stop)
words.collect()

技术分享图片

6.转换成键值对 map()

words.map(lambda word:(word,1)).collect()

技术分享图片

7.统计词频 reduceByKey()

words.map(lambda word:(word,1)).reduceByKey(lambda a,b:a+b).collect()

技术分享图片

8.按字母顺序排序 sortBy(f)

words.map(lambda word:(word,1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[0]).collect()

技术分享图片

9.按词频排序 sortByKey()

 words.map(lambda word:(word,1)).reduceByKey(lambda a,b:a+b).sortByKey().collect()

技术分享图片

二、学生课程分数案例

技术分享图片

1.总共有多少学生?map(), distinct(), count()

lines.map(lambda line : line.split(‘,‘)[0]).distinct().count()

技术分享图片

2.开设了多少门课程?

lines.map(lambda line : line.split(‘,‘)[1]).distinct().count()

技术分享图片

3.每个学生选修了多少门课?map(), countByKey()

lines.map(lambda line : line.split(‘,‘)).map(lambda line:(line[0],(line[1],line[2]))).countByKey()

 技术分享图片

4.每门课程有多少个学生选?map(), countByValue()

lines.map(lambda line : line.split(‘,‘)).map(lambda line : (line[1])).countByValue()

技术分享图片

5.Tom选修了几门课?每门课多少分?filter(), map() RDD

lines.filter(lambda line:"Tom" in line).map(lambda line:line.split(‘,‘)).collect()

技术分享图片

6.Tom选修了几门课?每门课多少分?map(),lookup()  list

lines.map(lambda line:line.split(‘,‘)).map(lambda line:(line[0],(line[1],line[2]))).lookup("Tom")

技术分享图片

7.Tom的成绩按分数大小排序。filter(), map(), sortBy()

lines.filter(lambda line:"Tom" in line).map(lambda line:line.split(‘,‘)).sortBy(lambda line:(line[2])).collect()

技术分享图片

8.Tom的平均分。map(),lookup(),mean()

 numpy库下载不了,这题做不了了

RDD编程

原文:https://www.cnblogs.com/wsqjl/p/14674442.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!