05 RDD练习：词频统计

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

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

6.转换成键值对 map()

7.统计词频 reduceByKey()

二、学生课程分数 groupByKey()

-- 按课程汇总全总学生和分数

1. 分解出字段 map()

2. 生成键值对 map()

3. 按键分组 

4. 输出汇总结果

datas=lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).collect()

datas=lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).groupByKey().map(lambda line:(line[0],list(line[1]))).collect()

for data in datas:print(data[0],data[1][0:4])

 

三、学生课程分数 reduceByKey()

-- 每门课程的选修人数

sum=number.map(lambda line:line.split(',')).map(lambda line:(line[1],1)).reduceByKey(lambda a,b:a+b).collect()

-- 每个学生的选修课程数

sum=number.map(lambda line:line.split(',')).map(lambda line:(line[0],1)).reduceByKey(lambda a,b:a+b).collect()

sum[0:50]