菜单 学习猿地 - LMONKEY

VIP

开通学习猿地VIP

尊享10项VIP特权 持续新增

知识通关挑战

打卡带练!告别无效练习

接私单赚外块

VIP优先接,累计金额超百万

学习猿地私房课免费学

大厂实战课仅对VIP开放

你的一对一导师

每月可免费咨询大牛30次

领取更多软件工程师实用特权

入驻
430
0

05 RDD编程

原创
05/13 14:22
阅读数 56725

一、词频统计:

1.读文本文件生成RDD lines

lines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")

lines.foreach(print)

 

 

2.将一行一行的文本分割成单词 words flatmap()

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

words.foreach(print)

 

 

3.全部转换为小写 lower()

wordsxx=lines.map(lambda word:word.lower())

wordsxx.foreach(print)

 

 

4.去掉长度小于3的单词 filter()

word=words.filter(lambda words:len(words)>2)

word.foreach(print)

 

 

5.去掉停用词

lines=textFile("file:///usr/local/spark/mycode/rdd/word.txt")

with open("/usr/lcaol/spark/mycode/rdd/stopwords.txt") as f:

      stops=f.read().split()

lines.flatMap(lambda line:line.split()).filter(lambda word:word not in stops).collect()

 

6.转换成键值对 map()

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

 

7.统计词频 reduceByKey()

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

 

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()

 

 

9.按词频排序 sortByKey()

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

 

10.结果文件保存 saveAsTextFile(out_url)

 lines.saveAsTextFile('file:///usr/local/spark/mycode/words0.txt')

 

 

 

 

二、学生课程分数案例

lines=sc.textFile("file:///usr/local/spark/mycode/rdd/xs.txt")

  • 总共有多少学生?map(), distinct(), count()

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

  • 开设了多少门课程?

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

  • 每个学生选修了多少门课?map(), countByKey()

lines.map(lambda line:line.split(',')).map(lambda line:(ine[0],line[1])).countByKey()

  • 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()

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

lines.file(lambda line:"Tom" in line).map(lambda line:line.split(','))

  • 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')

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

lines.filter(lambda line:'Tom' in line).map(lambda line:l;ine.split(',')).sortBy(lambda line:line[2],False).collect()

  • Tom的平均分。map(),lookup(),mean()

import numpy as np

name=lines.map(lambda line:line.split(',')).map(lambda line:(line[0],(line[1],line[2]))).lookup('Tom')

np.mean([int(x) for x in name])

 

 

  • 生成(课程,分数)RDD,观察keys(),values()

lines=sc.textFile('file:///usr/local/spark/mycode/rdd/xs.txt')

km=lines.map(lambda line:line.split()).map(lambda line:(line[1],line[2]))

km.take(10)

km.keys().take(10)

km.values().take(10)

map(lambda line:line.split())

map(lambda line:line.split())

 

 

  • 每个分数+5分。mapValues(func)

km5=km.mapValues(lambda km:int(km)+5)

km5.take(10)

 

 

  • 求每门课的选修人数及所有人的总分。combineByKey()

kmrz=km.combineByKey(lambda km:(int(km),1), lambda km,fs:(km[0]+int(fs),km[1]+1), lambda km1,km2:(km1[0]+km2[0],km1[1]+km2[1]))

kmrz.take(10)

 

 

  • 求每门课的选修人数及平均分,精确到2位小数。map(),round()

kmrz.map(lambda km:(km[0],km[1][1],round(km[1][0]/km[1][1],2))).collect()

 

 

  • 求每门课的选修人数及平均分。用reduceByKey()实现,并比较与combineByKey()的异同。

km.map(lambda km:(km[0],(int(km[1]),1))).reduceByKey(lambda a,b:(a[0]+b[0],a[1]+b[1])).map(lambda km:(km[0],km[1][1],round(km[1][0]/km[1][1],2))).collect()

 

发表评论

0/200
430 点赞
0 评论
收藏
为你推荐 换一批