1、检查基础环境hadoop,jdk

  启动hdfs查看进程

 

2、下载spark(省略,原来已下好Spark)

3、解压,文件夹重命名、权限(省略,原来已下好Spark)

 

4、配置文件

   配置Spark的classPath,并加上最后一行代码

 

 

 

 

 

 

5、环境变量

 

 

 

 

 

 

 

6、试运行Python代码

 

 

 

 

二、Python编程练习:英文文本的词频统计

1、准备文本文件

 

 

 

2、读文件

path='/home/hadoop/wc/f1.txt'
with open(path) as f:
    text=f.read()

 

3、预处理:大小写,标点符号,停用词

4、分词

  步骤三+步骤四

words = text.split()

 

5、统计每个单词出现的次数

for word in words:
    wc[word]=wc.get(word,0)+1

 

6、按词频大小排序

wclist=list(wc.items())
wclist.sort(key=lambda x:x[1],reverse=True)

 

7、结果写文件

print(wclist)

  

  运行结果截图

 

 

 

posted on 2022-03-02 22:47  泽浩111  阅读(34)  评论(0编辑  收藏  举报