RDD编程练习

一、filter,map,flatmap练习：

1.读文本文件生成RDD lines

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

2.将一行一行的文本分割成单词 words

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

　　　words.collect()

3.全部转换为小写

代码：#lines.flatMap(lambda line:line.lower().split()).collect()

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

4.去掉长度小于3的单词

5.去掉停用词

 准备停用词文本

代码：

1.准备停用词文本：

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

 

 

 

 2.去除停用词：

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

二、groupByKey练习

6.练习一的生成单词键值对

代码：words.map(lambda word : (word,1))

7.对单词进行分组

代码：words.map(lambda word : (word,1)).groupByKey()

8.查看分组结果