摘要: 大作业: 1.选择使用什么数据,有哪些字段,多大数据量。 选用kaggle提供的美国疫情数据 有五个字段:date county state cases deaths 数据量:158984条 2.准备分析哪些问题?(8个以上) (1).统计美国截止每日的累计确诊人数和累计死亡人数。做法是以date作 阅读全文
posted @ 2021-06-07 19:30 钟爱国 阅读(14) 评论(0) 推荐(0) 编辑
摘要: 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。 2.总共有多少学生? 3.总共开设了哪些课程? 4.每个学生选修了多少门课? 5.每门课程有多少个学生选? 6.每门课程大于95分的学生人数? 7.Tom选修了几门课?每门课多少分? 8. 阅读全文
posted @ 2021-05-31 18:47 钟爱国 阅读(30) 评论(0) 推荐(0) 编辑
摘要: 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。 2.总共有多少学生? 3.总共开设了哪些课程? 4.每个学生选修了多少门课? 5.每门课程有多少个学生选? 6.每门课程大于95分的学生人数? 7.Tom选修了几门课?每门课多少分? 8. 阅读全文
posted @ 2021-05-20 20:55 钟爱国 阅读(29) 评论(0) 推荐(0) 编辑
摘要: 1.pandas df 与 spark df的相互转换 3.1 利用反射机制推断RDD模式 sc创建RDD 转换成Row元素,列名=值 spark.createDataFrame生成df df.show(), df.printSchema() 3.2 使用编程方式定义RDD模式 生成“表头” fie 阅读全文
posted @ 2021-05-14 08:44 钟爱国 阅读(24) 评论(0) 推荐(0) 编辑
摘要: 1.Spark SQL出现的 原因是什么? 原因是可以提升效率,sparksql是把sql语句转换成rdd然后提交集群执行,可以让执行效率大大提升 2.用spark.read 创建DataFrame Spark SQL DataFrame的基本操作 创建: spark.read.text() spa 阅读全文
posted @ 2021-05-10 15:44 钟爱国 阅读(24) 评论(0) 推荐(0) 编辑
摘要: 一、词频统计: 读文本文件生成RDD lines 将一行一行的文本分割成单词 words flatmap() 全部转换为小写 lower() 去掉长度小于3的单词 filter() 去掉停用词 转换成键值对 map() 统计词频 reduceByKey() 按字母顺序排序 按词频排序 10、结果文件 阅读全文
posted @ 2021-04-22 20:50 钟爱国 阅读(22) 评论(0) 推荐(0) 编辑
摘要: 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 flatmap() 3.全部转换为小写 lower() 4.去掉长度小于3的单词 filter() 5.去掉停用词 6.转换成键值对 map() 7.统计词频 reduceByKey() 8.按字母顺序排 阅读全文
posted @ 2021-04-18 11:46 钟爱国 阅读(31) 评论(0) 推荐(0) 编辑
摘要: 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 flatmap() 3.全部转换为小写 lower() 4.去掉长度小于3的单词 filter() 5.去掉停用词 6.转换成键值对 map() 7.统计词频 reduceByKey() 二、学生课程分 阅读全文
posted @ 2021-04-04 14:00 钟爱国 阅读(40) 评论(0) 推荐(0) 编辑
摘要: 一、filter,map,flatmap练习: 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 二、groupByKey练习 6.练习一的生成单词键值对 7.对单词进行分组 8.查看分组结果 学生科目成绩 阅读全文
posted @ 2021-03-31 12:43 钟爱国 阅读(28) 评论(0) 推荐(0) 编辑
摘要: 1. 准备文本文件从文件创建RDD lines=sc.textFile()筛选出含某个单词的行 lines.filter()lambda 参数:条件表达式 2. 生成单词的列表从列表创建RDD words=sc.parallelize()筛选出长度大于2 的单词 words.filter() 3. 阅读全文
posted @ 2021-03-28 09:24 钟爱国 阅读(21) 评论(0) 推荐(0) 编辑