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()