04 RDD编程练习

一、filter,map,flatmap练习：

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

 

1.准备停用词文本：

lines = sc.textFile('file:///home/hadoop/stopwords.txt')
stop = lines.flatMap(lambda line : line.split()).collect()

 

 

 

 

 去除停用词：

words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word : word not in stopword.txt)
words.collect()

 

 

 

 

二、groupByKey练习

6.练习一的生成单词键值对

 

 

7.对单词进行分组

 

 

8.查看分组结果

 

 

 

 

学生科目成绩文件练习：

0.数据文件上传

1.读大学计算机系的成绩数据集生成RDD

2.按学生汇总全部科目的成绩

3.按科目汇总学生的成绩