5.RDD操作综合实例

一、词频统计

1.分步骤实现

1）.准备文件

   1.下载小说或长篇新闻稿

2）读文件创建RDD

3）分词

4）排除大小写

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

5）统计词频

 6）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

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。

丢弃不合规范的行：

空行

少数据项

缺失数据

 支付金额转换为数值型，按支付金额排序

取出Top3