2018年5月25日

摘要: Hadoop综合大作业 要求: 1.用Hive对爬虫大作业产生的文本文件(或者英文词频统计下载的英文长篇小说)词频统计。 问题:因为我是用空格作为分隔所以有些词连标点符号也一起分析统计。 2.用Hive对爬虫大作业产生的csv文件进行数据分析,写一篇博客描述你的分析过程和分析结果。 爬的是校园新闻网 阅读全文

posted @ 2018-05-25 20:44 170何强 阅读(118) 评论(0) 推荐(0) 编辑


2018年5月16日

摘要: 通过hadoop上的hive完成WordCount 启动hadoop start-all.sh Hdfs上创建文件夹 hdfs dfs -mkdir testinput hdfs dfs -ls /user/hadoop 上传文件至hdfs hdfs dfs -put ./test.txt test 阅读全文

posted @ 2018-05-16 20:58 170何强 阅读(121) 评论(0) 推荐(0) 编辑


2018年5月9日

摘要: 用mapreduce 处理气象数据集 编写程序求每日最高最低气温,区间最高最低气温 阅读全文

posted @ 2018-05-09 21:43 170何强 阅读(104) 评论(0) 推荐(0) 编辑


2018年5月8日

摘要: 1. 以下关系型数据库中的表和数据,要求将其转换为适合于HBase存储的表并插入数据: 学生表(Student)(不包括最后一列) 学号(S_No) 姓名(S_Name) 性别(S_Sex) 年龄(S_Age) 课程(course) 2015001 Zhangsan male 23 2015003 阅读全文

posted @ 2018-05-08 21:07 170何强 阅读(161) 评论(0) 推荐(0) 编辑


2018年4月30日

摘要: 1.选一个自己感兴趣的主题。 2.用python 编写爬虫程序,从网络上爬取相关主题的数据。 3.对爬了的数据进行文本分析,生成词云。 4.对文本分析结果进行解释说明。 5.写一篇完整的博客,描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。 6.最后提交爬取的全部数据、爬虫及数据分析源代 阅读全文

posted @ 2018-04-30 21:17 170何强 阅读(122) 评论(0) 推荐(0) 编辑


2018年4月25日

摘要: 向HDFS中上传任意文本文件,如果指定的文件在HDFS中已经存在,由用户指定是追加到原有文件末尾还是覆盖原有的文件; if $(hdfs dfs -test -e text.txt); then $(hdfs dfs -appendToFile local.txt text.txt); else $ 阅读全文

posted @ 2018-04-25 17:17 170何强 阅读(145) 评论(0) 推荐(0) 编辑


2018年4月12日

摘要: 1. 将新闻的正文内容保存到文本文件。 2. 将新闻数据结构化为字典的列表: 单条新闻的详情-->字典news 一个列表页所有单条新闻汇总-->列表newsls.append(news) 所有列表页的所有新闻汇总列表newstotal.extend(newsls) 3. 安装pandas,用pand 阅读全文

posted @ 2018-04-12 20:25 170何强 阅读(144) 评论(0) 推荐(0) 编辑


2018年4月11日

摘要: 1.取出一个新闻列表页的全部新闻 包装成函数。 2.获取总的新闻篇数,算出新闻总页数。 3.获取全部新闻列表页的全部新闻详情。 4.找一个自己感兴趣的主题,进行数据爬取,并进行分词分析。不能与其它同学雷同。 我选择的是我玩的手游官网公告,因为公告有图片而我爬的只有文字所以会有大片空白 阅读全文

posted @ 2018-04-11 20:43 170何强 阅读(145) 评论(0) 推荐(0) 编辑


2018年4月9日

摘要: import requests from bs4 import BeautifulSoup from datetime import datetime import re url = 'http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests. 阅读全文

posted @ 2018-04-09 21:19 170何强 阅读(159) 评论(0) 推荐(0) 编辑


2018年3月29日

摘要: 0.可以新建一个用于练习的html文件,在浏览器中打开。 1.利用requests.get(url)获取网页页面的html文件 import requests newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get( 阅读全文

posted @ 2018-03-29 21:54 170何强 阅读(205) 评论(0) 推荐(0) 编辑


Copyright © 2022 170何强
Powered by .NET 6 on Kubernetes