一、安装Spark

检查基础环境hadoop,jdk

下载Spark

二.Python编程练习：英语文本的词频统计

源代码

# 导入模块
# 导入字符串模块
import string

# 2读取文件，并分词
list_dict = {}  # 创建一个空字典，放词频与单词，无序排列
data = []  # 创建一个空列表，放词频与单词，有序：从多到少
f = open('test.txt', 'r')  # 打开文件
content = f.read()  # 读取文件
f.close()  # 关闭文件
content = content.replace('-', ' ')  # 连字符—用空格代替
words = content.split()  # 字符串按空格分割--分词

# 迭代处理：将字典变列表，存入数据
for i in range(len(words)):
    words[i] = words[i].strip(string.punctuation)  # 去掉标点符号，去掉首尾
    words[i] = words[i].lower()  # 统一大小写
    if words[i] in list_dict:  # 统计词频与单词
        list_dict[words[i]] = list_dict[words[i]] + 1  # 不是第一次
    else:
        list_dict[words[i]] = 1  # 第一次
# print(list_dict)  # 打印字典（词频与单词，无序）

# 遍历字典
for key, value in list_dict.items():  # 遍历字典

    temp = [value, key]  # 变量，变量值
    data.append(temp)  # 添加数据
data.sort(reverse=True)  # 排序
print(data)  # 打印列表（词频与单词，有序，从多到少）

结果：