首页 > 其他 > 详细

05 RDD编程

时间:2021-04-19 01:53:41      阅读:33      评论:0      收藏:0      [点我收藏+]

1.读文本文件生成RDD lines

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

lines.collect()

技术分享图片

 

 

 

2.将一行一行的文本分割成单词 words

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

words.collect()

技术分享图片

 

 

 

3.全部转换为小写

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

words.collect()

技术分享图片

 

 

 

4.去掉长度小于3的单词

words=lines.flatMap(lambda line:line.split()).filter(lambda line:len(line)>3)

words.collect()

技术分享图片

 

 

 

5.去掉停用词

  1.准备停用词文本:

lines = sc.textFile(‘file:///home/hadoop/stopwords.txt‘)
stop = lines.flatMap(lambda line : line.split()).collect()

stop

技术分享图片

 

  2.去除停用词:

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

words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word:word not in stop)

words
words.collect()

技术分享图片

 

6.转换成键值对 map()

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

wordskv.collect()

技术分享图片

7.统计词频 reduceByKey()

wordskv.reduceByKey(lambda a,b:a+b).collect()

技术分享图片

8、按字母顺序排序 sortBy(f)

wordskv=words.map(lambda word:(word.lower(),1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[0])

wordskv.collect()

技术分享图片

9、按词频排序 sortByKey()

wordskv=words.map(lambda word:(word.lower(),1)).reduceByKey(lambda a,b:a+b)

wordskv.sortByKey().collect()

技术分享图片

二、学生课程分数案例

  • 总共有多少学生?map(), distinct(), count()
  • lines.map(lambda line : line.split(‘,‘)[0]).distinct().count()
  • 技术分享图片

     

     

  • 开设了多少门课程?
  • lines.map(lambda line : line.split(‘,‘)[1]).distinct().count()

  • 技术分享图片

     

     

    • 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()技术分享图片

       

       

    • 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()技术分享图片

       

       

    • Allen选修了几门课?每门课多少分?filter(), map() RDD
    • lines.filter(lambda line:"Allen" in line).map(lambda line:line.split(‘,‘)).collect()
    • 技术分享图片

       

       

    • Allen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("Allen")技术分享图片

       

       

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

       

    • lines.filter(lambda line:"Allen" in line).map(lambda line:line.split(‘,‘)).sortBy(lambda line:(line[2])).collect()技术分享图片
      • Allen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("Allen")
      • np.mean([int(x) for x in meanlist])

      技术分享图片

    •  

05 RDD编程

原文:https://www.cnblogs.com/ZHAIC005/p/14674947.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!