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()