六. 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()

 

 

 

总共有多少学生？map(), distinct(), count()     开设了多少门课程？

 

 

 

生成（姓名，课程分数）键值对RDD，观察keys(),values()

 

 

 

每个学生选修了多少门课？map(), countByKey()

 

 

 

每门课程有多少个学生选？map(), countByValue() ；有多少个100分？

 

 

Tom选修了几门课？每门课多少分？map(),lookup()  lis；Tom选修了几门课？每门课多少分？filter(), map() RDD

 

 

 

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

 

 

 

Tom的平均分。map(),lookup(),mean()

 

 

 

生成（姓名课程，分数）RDD，观察keys(),values()

 

 

 

 

 

每个分数+10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总分reduceByKey()和collectAsMap()实现

 

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

多位小数

 

两位小数

 

比较几种方法的异同。

 

lookup()是先取值再用mean()算平均分，需要循环语句

reduceByKey()需要先求总分和人数再算平均分，需要循环语句

combineByKey()可以将总分、人数和平均分一起算出来，一句话方式，比较方便

 

内连接与外连接

join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()

多个考勤文件，签到日期汇总，出勤次数统计