08 学生课程分数的Spark SQL分析

Posted 2021-05-27 ohbigshit

 

 

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

一、用DataFrame的操作完成以下数据分析要求

• 每个分数+5分。

 

• 总共有多少学生？

• 总共开设了哪些课程？

• 每个学生选修了多少门课？

• 每门课程有多少个学生选？

• 每门课程大于95分的学生人数？

• Tom选修了几门课？每门课多少分？

• Tom的成绩按分数大小排序。

• Tom的平均分。

• 求每门课的平均分，最高分，最低分。

• 求每门课的选修人数及平均分，精确到2位小数。

 

• 每门课的不及格人数，通过率

 

 

 

二、用SQL语句完成以上数据分析要求 

 

三、对比分别用RDD操作实现、用DataFrame操作实现和用SQL语句实现的异同。(比较两个以上问题)

 1.每个分数+5分.

rdd:

 　　rdd = sc.textFile(url).map(lambda s : s.split(\',\')).map(lambda s : int(s[2])+5).collect()

DataFrame:

　　stu.select(\'grade\',stu.grade+5).show()

SQL:

 

2.每门课程大于95分的学生人数?

rdd:

 

DataFrame:

　　stu.select(stu.grade > 95).count()

SQL:

　　stu.createOrReplaceTempView("students")
　　spark.sql("select * from students where grade > 95").show()