Java教程

05 RDD编程

本文主要是介绍05 RDD编程,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

一、词频统计:

  1读文本文件生成RDD lines

  lines=sc.textFile("file:///usr/local/spark/mycode/rdd/word.txt")
  lines.foreach(print)

  2将一行一行的文本分割成单词 words flatmap()

  words=lines.flatMap(lambda line:line.split())
  words.foreach(print)

  3全部转换为小写 lower()

  words1=lines.map(lambda word:word.lower())
  words1.foreach(print)

 

 

  4去掉长度小于3的单词 filter()

  word=words.filter(lambda words:len(words)>2)
  words.foreach(print)

  5去掉停用词

  with open("/usr/local/spark/mycode/rdd/stopwords.txt") as f:
  stops=f.read().split()
  lines.flatMap(lambda line:line.split()).filter(lambda word:word not in stops).collect()

  6转换成键值对 map()

  words.map(lambda word:(word,1)).collect()

  7统计词频 reduceByKey()

  words.map(lambda word:(word,1)).reduceByKey(lambda a,b:a+b).collect()

 

 

  8按字母顺序排序 sortBy(f)

  words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[0]).collect()

  9按词频排序 sortByKey()

  words.map(lambda word:(word.lower(),1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[1],False).collect()

 

  

二、学生课程分数案例

总共有多少学生?map(), distinct(), count()

lines=sc.textFile("file:///usr/local/spark/mycode/rdd/chapter4-data01.txt")
lines.map(lambda line:line.split(',')[0]).distinct().count() 

开设了多少门课程?

lines.map(lambda line:line.split(',')[1]).distinct().count()

每个学生选修了多少门课?map(), countByKey()

name = lines.map(lambda line:line.split(',')).map(lambda line:(line[0],(line[1],line[2])))

name.take(5)

name.count()

name.countByKey()

 

 

每门课程有多少个学生选?map(), countByValue()

name=lines.map(lambda line:line.split(',')).map(lambda line:line[1])
name.countByValue()

Tom选修了几门课?每门课多少分?filter(), map() RDD

Tom=lines.filter(lambda line:'Tom' in line).map(lambda line:line.split(','))
Tom.collect()

Tom选修了几门课?每门课多少分?map(),lookup()  list

lines.map(lambda line:line.split(',')).map(lambda line:(line[0],line[2])).lookup('Tom')

Tom的成绩按分数大小排序。filter(), map(), sortBy()

Tom.sortBy(lambda word:word[2],False).collect()

Tom的平均分。map(),lookup(),mean()

from numpy import mean
tomList=lines.map(lambda line:line.split(',')).map(lambda line:(line[0],line[2])).lookup('Tom')
mean([int(x) for x in tomList])

 

这篇关于05 RDD编程的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!