05 RDD编程2

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()

8.按字母顺序排序 sortBy(f)

9.按词频排序 sortByKey()

        

10. 结果文件保存 saveAsTextFile(out_url)

        

 11.词频结果可视化charts.WordCloud()

from wordcloud import WordCloud
import matplotlib.pyplot as plt
import jieba
with open('t4','r',encoding='utf-8') as f:
    text = f.read()
cut_text = " ".join(jieba.cut(text))
cloud = WordCloud(
    background_color="white",
    max_words=200,
      #    font_path="C:\Windows\Fonts\STLITI.TTF",
      font_path="C:\Windows\Fonts\stxingka.ttf",
    min_font_size=20,
    max_font_size=50,
    width=800,
    height=400
   )
wCloud = cloud.generate(cut_text)
plt.imshow(wCloud,interpolation='bilinear')
plt.axis('off')
plt.show()

         

 

 

 

 

二、学生课程分数案例

• 总共有多少学生？map(), distinct(), count()
• 开设了多少门课程？

       

• 每个学生选修了多少门课？map(), countByKey()

        

• 每门课程有多少个学生选？map(), countByValue()

        

• Tom选修了几门课？每门课多少分？filter(), map() RDD\
• Tom的成绩按分数大小排序。filter(), map(), sortBy()

         

• Tom选修了几门课？每门课多少分？map(),lookup()  list
• 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。charts,Bar()

import matplotlib.pyplot as plt
data = [51.9,50.91,50.54,48.83,54.94,57.82,47.57,50.61]
labels = ["ComputerNetwork","Software","DataBase","Algorithm","OperatingSystem","Python","DataStructure","CLanguage"]
plt.xticks(rotation=45)
plt.bar(range(len(data)), data,tick_label=labels)
plt.show()