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
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
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
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
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
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
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
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
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
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