码迷,mamicode.com
首页 > 其他好文 > 详细

RDD编程

时间:2021-04-20 15:02:06      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:lte   长度   split   去掉   col   nbsp   div   图片   bsp   

一、词频统计:

1.读文本文件生成RDD lines

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

技术图片

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()

技术图片

3.全部转换为小写 lower()

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

技术图片

4.去掉长度小于3的单词 filter()

words=words.filter(lambda word:len(word)>3)
words.collect()

技术图片

5.去掉停用词

with open(/home/hadoop/stopwords.txt) as f:
     stops=f.read().split()

words=words.filter(lambda word:word not in stops)
words.count()
words.collect()

技术图片

6.转换成键值对 map()

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

技术图片

7.统计词频 reduceByKey()

words=words.reduceByKey(lambda a,b:a+b)

技术图片

8.按字母顺序排序 sortBy(f)

words=words.sortBy(lambda word:word[0])
words.collect()

技术图片

9.按词频排序 sortByKey()

words=words.sortByKey()
words.collect()

技术图片

 

 

 

 

 

二、学生课程分数案例

lines = sc.textFile(file:///home/hadoop/chapter4-data01.txt)
lines.take(5)

技术图片

1.总共有多少学生?map(), distinct(), count()

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

技术图片

2.开设了多少门课程?

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

技术图片

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()

技术图片

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

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

技术图片

6.Les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])).lookup("Les")
lines.map(lambda line:line.split(,)).map(lambda line:(line[0],line[2])).lookup("Les")

技术图片

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

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

 

技术图片

8.Les的平均分。map(),lookup(),mean()

import numpy as np
meanlist=lines.map(lambda line:line.split(,)).map(lambda line:(line[0],line[2])).lookup("Les")
np.mean([int(x) for x in meanlist])

 

技术图片

 

RDD编程

标签:lte   长度   split   去掉   col   nbsp   div   图片   bsp   

原文地址:https://www.cnblogs.com/shawncs/p/14673296.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!