摘要: 启动hadoop: usr/local$ start-all.sh 在hdfs分布式系统下创建一个文档并把数据导入: 启动hive并导入数据: 词频统计结果如下: 2.用Hive对爬虫大作业产生的csv文件进行数据分析,写一篇博客描述你的分析过程和分析结果。 阅读全文
posted @ 2018-05-25 21:04 146-王星宇 阅读(55) 评论(0) 推荐(0) 编辑
摘要: 通过hadoop上的hive完成WordCount 通过hadoop上的hive完成WordCount 启动hadoop ssh localhost cd /usr/local/hadoop ./sbin/start-dfs.sh cd /usr/local/hive/lib service mys 阅读全文
posted @ 2018-05-16 18:27 146-王星宇 阅读(107) 评论(0) 推荐(0) 编辑
摘要: 老师:MissDu 提交作业 老师:MissDu 提交作业 1. 以下关系型数据库中的表和数据,要求将其转换为适合于HBase存储的表并插入数据: 学生表(Student)(不包括最后一列) 学号(S_No) 姓名(S_Name) 性别(S_Sex) 年龄(S_Age) 课程(course) 2 阅读全文
posted @ 2018-05-08 21:43 146-王星宇 阅读(85) 评论(0) 推荐(0) 编辑
摘要: 1.选一个自己感兴趣的主题。 2.用python 编写爬虫程序,从网络上爬取相关主题的数据。 3.对爬了的数据进行文本分析,生成词云。 4.对文本分析结果进行解释说明。 5.写一篇完整的博客,描述上述实现过程、遇到的问题及解决办法、数据分析思想及结论。 6.最后提交爬取的全部数据、爬虫及数据分析源代 阅读全文
posted @ 2018-04-30 20:33 146-王星宇 阅读(119) 评论(0) 推荐(0) 编辑
摘要: 在本地Linux文件系统的“/home/hadoop/”目录下创建一个文件txt,里面可以随意输入一些单词. mkdir hadoop cd hadoop touch test.txt gedit test.txt 在本地查看文件位置(ls) cd ~/hadoop ls -al 在本地显示文件内容 cat test.txt 使用命令把本地文件系统中的“txt”上传... 阅读全文
posted @ 2018-04-25 18:21 146-王星宇 阅读(103) 评论(0) 推荐(0) 编辑
摘要: 1. 将新闻的正文内容保存到文本文件。 2. 将新闻数据结构化为字典的列表: 单条新闻的详情-->字典news 一个列表页所有单条新闻汇总-->列表newsls.append(news) 所有列表页的所有新闻汇总列表newstotal.extend(newsls) 3. 安装pandas,用pand 阅读全文
posted @ 2018-04-12 20:27 146-王星宇 阅读(89) 评论(0) 推荐(0) 编辑
摘要: 1.取出一个新闻列表页的全部新闻 包装成函数。 2.获取总的新闻篇数,算出新闻总页数。 3.获取全部新闻列表页的全部新闻详情。 4.找一个自己感兴趣的主题,进行数据爬取,并进行分词分析。不能与其它同学雷同。 阅读全文
posted @ 2018-04-11 16:39 146-王星宇 阅读(117) 评论(0) 推荐(0) 编辑
摘要: 1. 用requests库和BeautifulSoup库,爬取校园新闻首页新闻的标题、链接、正文、show-info。 2. 分析info字符串,获取每篇新闻的发布时间,作者,来源,摄影等信息。 阅读全文
posted @ 2018-04-04 14:59 146-王星宇 阅读(116) 评论(0) 推荐(0) 编辑
摘要: 0.可以新建一个用于练习的html文件,在浏览器中打开。 1.利用requests.get(url)获取网页页面的html文件 import requests newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/' res = requests.get( 阅读全文
posted @ 2018-03-29 09:20 146-王星宇 阅读(117) 评论(0) 推荐(0) 编辑
摘要: 从文件读取待分析文本。 news = open('gzccnews.txt','r',encoding = 'utf-8') 安装与使用jieba进行中文分词。 pip install jieba import jieba list(jieba.lcut(news)) 生成词频统计 排序 排除语法型 阅读全文
posted @ 2018-03-28 15:56 146-王星宇 阅读(62) 评论(0) 推荐(0) 编辑