5.RDD操作综合实例

一、词频统计

1.准备文件

2.读文件创建RDD

3.分词

4.排除大小写lower()，map()

标点符号re.split(pattern,str)，flatMap(),

停用词,可网盘下载stopwords.txt,filter()，

长度小于2的词filter()

5.统计词频

6.按词频排序

7.输出到文件

8.查看结果

B. 一句话实现：文件入文件出

二、求Top值

1.丢弃不合规范的行：空行少、数据项、缺失数据

2.按支付金额排序

3.取出Top3