用Python编写WordCount程序任务

Posted jiesheng

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用Python编写WordCount程序任务相关的知识,希望对你有一定的参考价值。

1. 用Python编写WordCount程序并提交任务

程序

WordCount

输入

一个包含大量单词的文本文件

输出

文件中每个单词及其出现次数(频数),并按照单词字母顺序排序,每个单词和其频数占一行,单词和频数之间有间隔

2.编写map函数,reduce函数

复制代码
import sys
for line in sys.stdin:
     line=line.strip()
     words=line.split()
     for word in words:
          print \'%s\\t%s\' % (word,1)
from operator import itemgetter
import sys
current_word=None
current_count=0
word=None

for line in sys.stdin:
     line=line.strip()
     word,count=line.split(\'\\t\',1)
     try:
          count=int(count)
     except ValueError:
          continue
     if current_word==word:
          current_count+=count
     else:
          if current_word:
              print \'%s\\t%s\' % (current_word,current_count)
          current_count=count
          current_word=word
if current_word==word:
     print \'%s\\t%s\' % (current_word,current_count)
复制代码

3.将其权限作出相应修改

chmod a+x /home/hadoop/wc/mapper.py
chmod a+x /home/hadoop/wc/reducer.py

4.本机上测试运行代码

 

5.查看运行结果

 

2. 用mapreduce 处理气象数据集

编写程序求每日最高最低气温,区间最高最低气温

  1. 气象数据集下载地址为:ftp://ftp.ncdc.noaa.gov/pub/data/noaa
  2. 按学号后三位下载不同年份月份的数据(例如201506110136号同学,就下载2013年以6开头的数据,看具体数据情况稍有变通)
    wget -D --accept-regex=REGEX -p data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*
  3. 解压数据集,并保存在文本文件中
    zcat ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*.gz >qxdatazwt.txt
  4. 对气象数据格式进行解析

  5.编写map函数,reduce函数

  1. 将其权限作出相应修改
    chmod a+x /home/hadoop/mapper.py
    chmod a+x /home/hadoop/wc/reducer.py
  2. 本机上测试运行代码

放到HDFS上运行

将之前爬取的文本文件上传到hdfs上

用Hadoop Streaming命令提交任务

查看运行结果

 

以上是关于用Python编写WordCount程序任务的主要内容,如果未能解决你的问题,请参考以下文章

理解MapReduce计算构架

理解MapReduce

理解MapReduce

理解Mapreduce

理解Mapreduce

理解Mapreduce