08 学生课程分数的Spark SQL分析

标签：load   count   bsp   mic   课程   image   大于   taf   通过率   

读学生课程分数文件chapter4-data01.txt，创建DataFrame。

一、用DataFrame的操作完成以下数据分析要求

• 每个分数+5分。

• 总共有多少学生？

• 总共开设了哪些课程？

• 每个学生选修了多少门课？

• 每门课程有多少个学生选？

• 每门课程大于95分的学生人数？

• Tom选修了几门课？每门课多少分？

• Tom的成绩按分数大小排序。

• Tom的平均分。

• 求每门课的平均分，最高分，最低分。

• 求每门课的选修人数及平均分，精确到2位小数。

• 每门课的不及格人数，通过率

二、用SQL语句完成以上数据分析要求 

三、对比分别用RDD操作实现、用DataFrame操作实现和用SQL语句实现的异同。(比较两个以上问题)

 1.每个分数+5分.

rdd:

 　　rdd = sc.textFile(url).map(lambda s : s.split(‘,‘)).map(lambda s : int(s[2])+5).collect()

DataFrame:

　　stu.select(‘grade‘,stu.grade+5).show()

SQL:

2.每门课程大于95分的学生人数?

rdd:

DataFrame:

　　stu.select(stu.grade > 95).count()

SQL:

　　stu.createOrReplaceTempView("students")
　　spark.sql("select * from students where grade > 95").show()

08 学生课程分数的Spark SQL分析

标签：load   count   bsp   mic   课程   image   大于   taf   通过率   

原文地址：https://www.cnblogs.com/qq502414581/p/14815475.html