2018年5月25日
摘要: 一、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。 1、启动hadoop 2、上传英文词频统计文本至hdfs 3、启动hive 4、导入文件内容到表novel并查看 5、用HQL进行词频统计,结果放在表k_word_count里 6、查看统计结果 二、用Hive 阅读全文
posted @ 2018-05-25 21:42 148崔格畅 阅读(110) 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 Hdfs上创建文件夹 上传文件至hdfs 启动Hive 创建原始文档表 导入文件内容到表docs并查看 用HQL进行词频统计,结果放在表word_count里 查看统计结果 阅读全文
posted @ 2018-05-16 16:56 148崔格畅 阅读(91) 评论(0) 推荐(0) 编辑
  2018年5月9日
摘要: 编写程序求每日最高最低气温,区间最高最低气温 2.按学号后三位下载不同年份月份的数据(例如201506110136号同学,就下载2013年以6开头的数据,看具体数据情况稍有变通) 阅读全文
posted @ 2018-05-09 21:29 148崔格畅 阅读(213) 评论(0) 推荐(0) 编辑
  2018年5月7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 @ 2018-05-07 23:22 148崔格畅 阅读(571) 评论(0) 推荐(0) 编辑
  2018年4月29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 @ 2018-04-29 22:55 148崔格畅 阅读(171) 评论(0) 推荐(0) 编辑
  2018年4月25日
摘要: 1.编程实现以下指定功能,并利用Hadoop提供的Shell命令完成相同任务: 1.在本地Linux文件系统的“/home/hadoop/”目录下创建一个文件txt,里面可以随意输入一些单词. 2.在本地查看文件位置(ls) 3.在本地显示文件内容 4.使用命令把本地文件系统中的“txt”上传到HD 阅读全文
posted @ 2018-04-25 17:42 148崔格畅 阅读(184) 评论(0) 推荐(0) 编辑
  2018年4月12日
摘要: 作业是转载同学的,因为没有对新闻信息做提取,所有无法添加新闻信息到字典。已练习pandas库的相关使用方法,导出excel文件。ps:自己的代码会尽快修改! 阅读全文
posted @ 2018-04-12 21:30 148崔格畅 阅读(94) 评论(0) 推荐(0) 编辑
  2018年4月11日
摘要: import requests from bs4 import BeautifulSoup from datetime import datetime import re def get_soup(url): req = requests.get(url) req.encoding = 'utf-8' soup = BeautifulSoup(req.text, 'htm... 阅读全文
posted @ 2018-04-11 14:58 148崔格畅 阅读(135) 评论(0) 推荐(0) 编辑
  2018年4月4日
摘要: 1. 用requests库和BeautifulSoup库,爬取校园新闻首页新闻的标题、链接、正文、show-info。 2. 分析info字符串,获取每篇新闻的发布时间,作者,来源,摄影等信息。 运行结果 阅读全文
posted @ 2018-04-04 15:28 148崔格畅 阅读(83) 评论(0) 推荐(0) 编辑
  2018年3月28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 @ 2018-03-28 21:57 148崔格畅 阅读(134) 评论(0) 推荐(0) 编辑