张孝龙同学 - 博客园

2021年6月7日

摘要：补交：04 RDD编程练习 - 张孝龙同学 - 博客园 (cnblogs.com)原因：完成后未及时提交。05 RDD练习：词频统计，学习课程分数 - 张孝龙同学 - 博客园 (cnblogs.com)原因：错过了提交时间。07 从RDD创建DataFrame - 张孝龙同学 - 博客园 (cnbl 阅读全文

posted @ 2021-06-07 20:54 张孝龙同学阅读(48) 评论(0) 推荐(0) 编辑

2021年6月5日

04 RDD编程练习

摘要：一、filter,map,flatmap练习： 1.读文本文件生成RDD lines 2.将一行一行的文本分割成单词 words 3.全部转换为小写 4.去掉长度小于3的单词 5.去掉停用词二、groupByKey练习 6.练习一的生成单词键值对 7.对单词进行分组 8.查看分组结果阅读全文

posted @ 2021-06-05 23:46 张孝龙同学阅读(34) 评论(0) 推荐(0) 编辑

05 RDD练习：词频统计，学习课程分数

摘要：一、词频统计： 1.读文本文件生成RDD lines 2.将一行一行的文本分割成单词 words flatmap() 3.全部转换为小写 lower() 4.去掉长度小于3的单词 filter() 5.去掉停用词 6.转换成键值对 map() 7.统计词频 reduceByKey() 二、学生课程分阅读全文

posted @ 2021-06-05 23:44 张孝龙同学阅读(21) 评论(0) 推荐(0) 编辑

09 spark连接mysql数据库

摘要： spark连接mysql数据库 1、安装启动检查Mysql服务。 netstat -tunlp (3306) 2、spark 连接mysql驱动程序。 –cp /usr/local/hive/lib/mysql-connector-java-5.1.40-bin.jar /usr/local/spa 阅读全文

posted @ 2021-06-05 23:42 张孝龙同学阅读(38) 评论(0) 推荐(0) 编辑

07 从RDD创建DataFrame

摘要： 0.前次作业：从文件创建DataFrame 1.pandas df 与 spark df的相互转换 df_s=spark.createDataFrame(df_p) df_p=df_s.toPandas() 答：（1）代码：（2）运行结果： 2. Spark与Pandas中DataFrame对比阅读全文

posted @ 2021-06-05 23:40 张孝龙同学阅读(27) 评论(0) 推荐(0) 编辑

2021年5月25日

08 学生课程分数的Spark SQL分析

摘要：总共有多少学生？总共开设了哪些课程每个学生选修了多少门课？每门课程有多少个学生选？每门课程大于95分的学生人数？ Tom选修了几门课？每门课多少分？ Tom的成绩按分数大小排序。 Tom的平均分。求每门课的平均分，最高分，最低分。求每门课的选修人数及平均分，精确到2位小数。每门课的不及阅读全文

posted @ 2021-05-25 01:29 张孝龙同学阅读(27) 评论(0) 推荐(0) 编辑

2021年5月8日

Spark SQL 及其DataFrame的基本操作

摘要： 1.Spark SQL出现的原因是什么? Spark SQL是Spark用来处理结构化数据的一个模块，它提供了一个叫作Data Frame的编程抽象结构数据模型(即带有Schema信息的RDD)，Spark SQL作为分布式SQL查询引擎，让用户可以通过SQL、DataFrame API和Data 阅读全文

posted @ 2021-05-08 19:19 张孝龙同学阅读(83) 评论(0) 推荐(0) 编辑

2021年4月22日

Spark RDD编程综合实例英文词频统计

摘要： 1. 用Pyspark自主实现词频统计过程。 >>> s = txt.lower().split()>>> dd = {}>>> for word in s:... if word not in dd:... dd[word] = 1... else:... dd[word] = dic[word] 阅读全文

posted @ 2021-04-22 21:07 张孝龙同学阅读(188) 评论(0) 推荐(0) 编辑

2021年4月12日

06 RDD编程

摘要：总共有多少学生？map(), distinct(), count() 开设了多少门课程？每个学生选修了多少门课？map().countByValue() //map(), countByKey() 每门课程有多少个学生选？map(), countByValue() Tom选修了几门课？每门课多少分阅读全文

posted @ 2021-04-12 21:54 张孝龙同学阅读(37) 评论(0) 推荐(0) 编辑

2021年3月26日

Spark RDD 编程基础

摘要： 1. 准备文本文件从文件创建RDD lines=sc.textFile()筛选出含某个单词的行 lines.filter()lambda 参数：条件表达式 2. 生成单词的列表从列表创建RDD words=sc.parallelize()筛选出长度大于2 的单词 words.filter() 阅读全文

posted @ 2021-03-26 20:14 张孝龙同学阅读(41) 评论(0) 推荐(0) 编辑