05 RDD编程

一、词频统计：

1. 读文本文件生成RDD lines
2. 将一行一行的文本分割成单词 words flatmap()
3. 全部转换为小写 lower()
4. 去掉长度小于3的单词 filter()
5. 去掉停用词
6. 转换成键值对 map()
7. 统计词频 reduceByKey()

       8.按字母顺序排序 sortBy(f)

       9.按词频排序 sortByKey()

二、学生课程分数案例

• 总共有多少学生？map(), distinct(), count()
• 开设了多少门课程？
• 每个学生选修了多少门课？map(), countByKey()
• 
• 每门课程有多少个学生选？map(), countByValue()
• 
• Tom选修了几门课？每门课多少分？filter(), map() RDD
• Tom选修了几门课？每门课多少分？map(),lookup()  list
• Tom的成绩按分数大小排序。filter(), map(), sortBy()
• 
• Tom的平均分。map(),lookup(),mean()

完成此次操作需要导入numpy库，执行如下操作：

sudo apt-get update
sudo apt-get install python-numpy

出现报错：

 解决方案：输入以下代码后即可成功安装numpy库

sudo rm /var/cache/apt/archives/lock
sudo rm /var/lib/dpkg/lock

回到spark，执行import numpy as np时依然报错

 检查后发现是因为使用的python的问题，输入下列代码后就解决了：

sudo apt-get install python3-numpy

最终效果：

05 RDD编程

原文：https://www.cnblogs.com/Jean-Chrispothe/p/14670475.html