05 RDD练习：词频统计

一、词频统计：

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 flatmap()

 

 

 

3.全部转换为小写 lower()

 

 

 

4.去掉长度小于3的单词 filter()

 

 

 

5.去掉停用词

 

 

6.转换成键值对 map()

7.统计词频 reduceByKey()

 

 

 

二、学生课程分数 groupByKey()

-- 按课程汇总全总学生和分数

1. 分解出字段 map()

2. 生成键值对 map()

3. 按键分组

4. 输出汇总结果

 

读大学计算机系的成绩数据集生成RDD

2.按科目汇总学生和分数

groupByCourse=lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).groupByKey()

 groupByCourse.first()

for i in groupByCourse.first()[1]:
... print(i)

 

 

 

 

三、学生课程分数 reduceByKey()

-- 每门课程的选修人数

-- 每个学生的选修课程数