05 RDD编程

Posted 2021-06-06 庄玉峰

一、词频统计：

读文本文件生成RDD lines

 

 

将一行一行的文本分割成单词 words flatmap()

 

 

 

 

全部转换为小写 lower()

 

 

 

 

去掉长度小于3的单词 filter()

 

 

 

 

去掉停用词

1.准备停用词文本：

 

 

  2.去除停用词：

 

 

 

 

 

 

 

转换成键值对 map()

 

 

 

 

统计词频 reduceByKey()

 

 

按字母顺序排序 sortBy(f)

截图:

按词频排序 sortByKey()

 

 

 

行动操作练习：

first()	返回第一个元素
take(n)	返回前n个元素
takeOrdered(n)	返回排序后的前n个元素
top(n)	返回最大的n个元素
collect()	返回所有元素,列表
collectAsMap()	返回所有元素的字典，MAP形式的串行化
count()	返回元素个数
countByValue()	返回每个元素重复个数，字典
countByKey()	返回的是每一键组内的记录数，字典
lookup(key)	返回某键值下的所有值，列表

 

二、学生课程分数案例

• 总共有多少学生？map(), distinct(), count()
• 
• 开设了多少门课程？
• 
• 每个学生选修了多少门课？map(), countByKey()
• 
• 每门课程有多少个学生选？map(), countByValue()
• 
• Leo选修了几门课？每门课多少分？filter(), map() RDD
• 
• Leo选修了几门课？每门课多少分？map(),lookup()  list
• 
• Leo的成绩按分数大小排序。filter(), map(), sortBy()
• 
• Leo的平均分。map(),lookup(),mean()
• 
• 生成（课程，分数）RDD，观察keys(),values()
• 

   

   

• 每个分数+5分。mapValues(func)
• 

   

   

• 求每门课的选修人数及所有人的总分。combineByKey

•  

   

   

   

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

   

   

• 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
•