https://www.cnblogs.com/ayzy/p/14857550.html  07从RDD创建DataFram    原因：忘记提交了

https://www.cnblogs.com/ayzy/p/14856353.html 09spark连接mysql数据库  原因：忘记提交了

 

 

大作业：

 

1.选择使用什么数据，有哪些字段，多大数据量。

 

kaggle提供的美国疫情数据 

 

 

字段：date 日期   

 

           county 区县（州的下一级单位）

 

           state 州

 

           cases 截止该日期该区县的累计确诊人数

 

           deaths 截止该日期该区县的累计确诊人数

 

 

 

2.准备分析哪些问题，可视化方式？（8个以上）

 

 

 

(1). 统计美国截止每日的累计确诊人数和累计死亡人数。

 

 

 

(2). 统计美国每日的新增确诊人数和新增死亡人数。

 

 

 

(3). 统计截止5.19日，美国各州的累计确诊人数和死亡人数。

 

 

 

(4). 统计截止5.19日，美国确诊人数最多的十个州。

 

 

 

(5). 统计截止5.19日，美国死亡人数最多的十个州。

 

 

 

(6). 统计截止5.19日，美国确诊人数最少的十个州。

 

 

 

(7). 统计截止5.19日，美国死亡人数最少的十个州。

 

 

 

(8). 统计截止5.19日，全美和各州的病死率。

 

 

 

3.当前进展。

 

 

有数据