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