6. RDD综合练习：更丰富的操作

集合运算练习

union()， intersection()，subtract(), cartesian()

 

三、学生课程分数

网盘下载sc.txt文件，通过RDD操作实现以下数据分析:

持久化 scm.cache()

lines=sc.textFile("hdfs://localhost:9000/user/czb/sc.txt")

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

scm.cache()

总共有多少学生？map(), distinct(), count()

scm.take(4)
scm.count()
scm.map(lambda line:line[0]).distinct().count()
scm.map(lambda line:line[0]).distinct().take(4)

开设了多少门课程？

scm.map(lambda line:line[1]).take(10)
scm.map(lambda line:line[1]).distinct().take(10)
scm.map(lambda line:line[1]).distinct().count()

每个学生选修了多少门课？map(), countByKey()

name=scm.map(lambda line:(line[0],(line[1],line[2])))
name.take(4)
name.keys().take(6)
name.values().take(6)
name.countByKey()

每门课程有多少个学生选？map(), countByValue() 

name.values().countByKey()

多少个100分？

name.values().values().countByValue()[100]

Tom选修了几门课？每门课多少分？filter(), map() RDD

scm.filter(lambda line:line[0]=='Tom').map(lambda line:line[1]).collect()
scm.filter(lambda line:line[0]=='Tom').map(lambda line:line[2]).collect()

Tom选修了几门课？每门课多少分？map(),lookup()  list

name.lookup('Tom')
scm.filter(lambda line:line[0]=='Tom')

scm.filter(lambda line:line[0]=='Tom').map(lambda line:line[1]).collect()
scm.filter(lambda line:line[0]=='Tom').map(lambda line:line[2]).collect()

Tom的成绩按分数大小排序。filter(), map(), sortBy()

name.filter(lambda line:line[0]=='Tom').values().collect()

name.filter(lambda line:line[0]=='Tom').values().sortBy(lambda a:a[1],False).collect()

Tom的平均分。map(),lookup(),mean()

np.mean(scm.filter(lambda line:line[0]=='Tom').map(lambda line:line[2]).collect())

 

生成（姓名课程，分数）RDD，观察keys(),values()

cr=lines.map(lambda line:line.split(',')).map(lambda line:(line[1],line[2]))
cr.take(3)

每个分数+20平均分。

分别用mapValues(func)和 map(func)实现。

并查看不及格人数的变化。

 

 

求每门课的选修人数及平均分

lookup(),np.mean()实现

 

 

reduceByKey()和collectAsMap()实现

 

 

combineByKey()，map()，round()实现，确到2位小数