05 RDD编程
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
3.全部转换为小写
4.去掉长度小于3的单词
5.去掉停用词
6. 转换成键值对 map()
读大学计算机系的成绩数据集生成RDD
分解出字段
生成键值对 map()
7.统计词频 reduceByKey()
按键分组
输出汇总结果
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()
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