Java教程

6. RDD综合练习:更丰富的操作

本文主要是介绍6. RDD综合练习:更丰富的操作,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!

集合运算练习

union(), intersection(),subtract(), cartesian()

内连接与外连接

join(), leftOuterJoin(), rightOuterJoin(), fullOuterJoin()

多个考勤文件,签到日期汇总,出勤次数统计

 

三、综合练习:学生课程分数

1、网盘下载sc.txt文件,通过RDD操作实现以下数据分析:

2、持久化 scm.cache()

3、总共有多少学生?map(), distinct(), count()

4、开设了多少门课程?

 

5、生成(姓名,课程分数)键值对RDD,观察keys(),values()

6、每个学生选修了多少门课?map(), countByKey()

7、每门课程有多少个学生选?map(), countByValue() 

8、有多少个100分?

9、Tom选修了几门课?每门课多少分?filter(), map() RDD

10、Tom选修了几门课?每门课多少分?map(),lookup()  list

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

12、Tom的平均分。map(),lookup(),mean()

(没有numpy库的可自行安装pip install numpy,安装成功后重进pyspark即可)

13、生成(课程,分数)RDD,观察keys(),values()

14、每个分数+5分。mapValues(func)

15、求每门课的选修人数及所有人的总分。combineByKey()

16、求每门课的选修人数及平均分,精确到2位小数。map(),round()

17、求每门课的选修人数及平均分。用reduceByKey()实现,并比较与combineByKey()的异同。

reduceByKey: 是对key的value进行merge操作,在一个(K,V)的RDD上调用,返回一个(K,V)的RDD,使用指定的reduce函数,将相同key的值聚合到一起,与groupByKey类似,reduce任务的个数可以通过第二个可选的参数来设置,最重要的是它能够在本地先进行merge操作,并且merge操作可以通过函数自定义;

CombineByKey: 是一个比较底层的算子(高阶函数),用法如下:
combineByKey(createCombiner,mergeValue,mergeCombiners,partitioner,mapSideCombine)。

createCombiner: V => C ,这个函数把当前的值作为参数,此时我们可以对其做些附加操作(类型转换)并把它返回 (这一步类似于初始化操作)
mergeValue: (C, V) => C,该函数把元素V合并到之前的元素C(createCombiner)上 (这个操作在每个分区内进行)
mergeCombiners: (C, C) => C,该函数把2个元素C合并 (这个操作在不同分区间进行)。

18、结果可视化。 pyecharts.charts,Bar()

这篇关于6. RDD综合练习:更丰富的操作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!