首页 > 编程语言 > 详细

使用python脚本进行数据清洗(1)

时间:2019-02-11 21:08:04      阅读:243      评论:0      收藏:0      [点我收藏+]

 

1.

原始表

CREATE TABLE ml_100k (userid INT,   movieid INT,  rating INT,  unixtime STRING) 
ROW FORMAT DELIMITED
FIELDS TERMINATED BY \t
LINES TERMINATED BY \n    
STORED AS TEXTFILE;

 

数据清洗后的表

CREATE TABLE ml_100k2 (userid INT,   movieid INT,  rating INT,  weekday int) 
ROW FORMAT DELIMITED
FIELDS TERMINATED BY \t
LINES TERMINATED BY \n    
STORED AS TEXTFILE;

 

3.数据导入

LOAD DATA LOCAL INPATH /home/centos/ml-100k/u.data into table ml_100k;

 技术分享图片

技术分享图片

4.脚本编写和脚本加载

clean_ml_100k.py
import sys
import datetime

for line in sys.stdin:  #接收输入
    line = line.strip()
    userid, movieid, rating, unixtime = line.split(\t)
    weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday() #转化unixtime时间戳为日期时间,获取对应的星期值
    print(\t.join([userid, movieid, rating, str(weekday)])) # 输出清洗后的数据

然后 hdfs dfs -put

 

add file /home/centos/clean_ml_100k.py;

 

5.数据清洗+转储

INSERT OVERWRITE TABLE ml_100k2
SELECT
TRANSFORM (userid, movieid, rating, unixtime)    --输入值(基表)
USING python clean_ml_100k.py            --使用脚本清洗
AS (userid, movieid, rating, weekday)            --输出值(子表)
FROM ml_100k; 

 

 

然后我就失败了

技术分享图片

 

使用python脚本进行数据清洗(1)

原文:https://www.cnblogs.com/wqbin/p/10363135.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!