5.RDD操作综合实例

一、词频统计

A. 分步骤实现 

  1. 准备文件
    1. 下载小说或长篇新闻稿
    2. 上传到hdfs上

2.读文件创建RDD

 

 

 

 

 

3.分词

4.排除大小写lower(),map()
标点符号re.split(pattern,str),flatMap(),

停用词,可网盘下载stopwords.txt,filter(),
长度小于2的词filter()

5.统计词频

6.按词频排序

7.输出到文件

8.查看结果

B. 一句话实现:文件入文件出

 

 |

 

 

C. 和作业2的“二、Python编程练习:英文文本的词频统计 ”进行比较,理解Spark编程的特点。

 

二、求Top值

网盘下载payment.txt文件,通过RDD操作实现选出最大支付额的用户。

 

 

 

 

  1. 丢弃不合规范的行:
    • 空行
    • 少数据项
    • 缺失数据

       

       

       

       

       

  2. 支付金额转换为数值型,按支付金额排序

     

     

  3. 取出Top3
 
好文要顶
posted @ 2022-04-23 11:47  一起打羽毛球呀  阅读(13)  评论(0编辑  收藏  举报