6. RDD综合练习:更丰富的操作
集合运算练习
union(), intersection(),subtract(), cartesian()
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
三、综合练习: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/hadoop/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().take(10) >>> scm.map(lambda line:line[1]).distinct().count()
- 生成(姓名,课程分数)键值对RDD,观察keys(),values()
-
>>> a = scm.map(lambda a:(a[0],(a[1],a[2]))) >>> a.keys().take(5) >>> a.values().take(5)
- 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()
-
- 有多少个100分?
-
- Tom选修了几门课?每门课多少分?filter(), map() RDD
-
- Tom选修了几门课?每门课多少分?map(),lookup() list
-
- Tom的成绩按分数大小排序。filter(), map(), sortBy()
-
- Tom的平均分。map(),lookup(),mean()
- 生成(课程,分数)RDD,观察keys(),values()
-
- 每个分数+5分。mapValues(func)
-
- 求每门课的选修人数及所有人的总分。combineByKey()
-
- 求每门课的选修人数及平均分,精确到2位小数。map(),round()
-
- 求每门课的选修人数及平均分。用reduceByKey()实现,并比较与combineByKey()的异同。
-
- 结果可视化。 pyecharts.charts,Bar()