学生课程分数的Spark SQL分析

Posted 2021-05-19 中药红

读学生课程分数文件chapter4-data01.txt，创建DataFrame。

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 DecimalType

• dt = 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()
• 结果可视化。