艹泥马马马

摘要： 首先启动hadoop 上传到hdfs/data文件中 启动Hive 在hive数据库创建表 nobook 将文本导入到nobook表 进行HQL词频统计，将结果放入nobook_count表中 显示词频统计结果（前10的数据) 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 阅读全文

摘要： 通过hadoop上的hive完成WordCount 启动hadoop Hdfs上创建文件夹 上传文件至hdfs 启动Hive 创建原始文档表 导入文件内容到表docs并查看 用HQL进行词频统计，结果放在表word_count里 查看统计结果 阅读全文

摘要： 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） 2015001 Zhangsan male 23 2015003 阅读全文

摘要： 一、Hadoop提供的Shell命令完成相同任务： 1、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. 2、在本地查看文件位置（ls） 3、在本地显示文件内容 4.使用命令把本地文件系统中的“txt”上传到HDFS中的当前用户目录的inp 阅读全文

摘要： 1.选一个自己感兴趣的主题（所有人不能雷同）。 对豆瓣图书评论进行抓取，并得出其关键词 2.用python 编写爬虫程序，从网络上爬取相关主题的数据。 利用Requests库的get()爬取网页 使用BeatifulSoup库对爬取网页进行解析。 写入文件 对所爬取字符串分词 利用分词器 jieba 阅读全文

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

摘要： 运行结果： 阅读全文

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

摘要： 1.英文词频统 下载一首英文的歌词或文章 将所有,.？！’:等分隔符全部替换为空格 将所有大写转换为小写 生成单词列表 生成词频统计 排序 排除语法型词汇，代词、冠词、连词 输出词频最大TOP20 将分析对象存为utf-8编码的文件，通过文件读取的方式获得词频分析内容。 2.中文词频统计 下载一长篇 阅读全文

摘要： 列表： 元组： 字典： 集合： 总结列表，元组，字典，集合的联系与区别。 联系：都是一组数据集合在一个容器内 区别：字典和集合能存储任意类型对象，且对象都是无序性的并不重复的。而列表和元组则不是。 列表有索引值，从0开始 元组中的元素值是不允许修改的，但可以对元组进行连接组合 字典有键值且必须有键值 阅读全文