08 学生课程分数的Spark SQL分析

1.生成“表头”

 2.生成“表中的记录”

 

 3.把“表头”和“表中的记录”拼装在一起

用DataFrame的操作或SQL语句完成以下数据分析要求,并和用RDD操作的实现进行对比:

每个分数+5分。

df_scs.select('name','cource',df_scs['score']+5).show()

总共有多少学生?

df_scs.select('name').distinct().count()

总共开设了哪些课程?

df_scs.select('cource').distinct().show()

每个学生选修了多少门课?

df_scs.groupBy('name').count().show()

每门课程有多少个学生选?

df_scs.groupBy('cource').count().show()

每门课程大于95分的学生人数?

df_scs.filter(df_scs['score']>95).groupBy('cource').count().show()

Tom选修了几门课?每门课多少分?

df_scs.filter(df_scs['name']=='Tom').show()

Tom的成绩按分数大小排序。

df_scs.filter(df_scs['name']=='Tom').sort(df_scs['score'].desc()).show()

Tom的平均分。

df_scs.filter(df_scs['name']=='Tom').agg({'score':'mean'}).show()

求每门课的平均分,最高分,最低分。

每门课的平均分:

df_scs.groupBy("cource").avg('score').show()

df_scs.groupBy("cource").agg({'score':'mean'}).show()

每门课的最高分:

 df_scs.groupBy("cource").max('score').show()

df_scs.groupBy("cource").agg({'score':'max'}).show()

每门课的最低分:

 df_scs.groupBy("cource").min('score').show()

 df_scs.groupBy("cource").agg({'score':'min'}).show()

求每门课的选修人数及平均分,精确到2位小数。

 from pyspark.sql.types import DecimalTypedt 

df_scs.groupBy('cource').count().join(df_scs.groupBy('cource').agg({'score':'mean'}),'cource').withColumnRenamed('avg(score)','avg_score')

dt.withColumn('avg_score',dt.avg_score.cast(DecimalType(5,2))).show()

每门课的不及格人数,通过率

df_scs.filter(df_scs.score<60).groupBy(df_scs.cource).count().show()

posted @ 2021-05-20 21:14  yy0102  阅读(16)  评论(0编辑  收藏  举报