标签:map word 05 编程 lines RDD words line lambda
一、词频统计:
1.读文本文件生成RDD lines
lines = sc.textFile('file:///home/hadoop/word.txt')
2.将一行一行的文本分割成单词 words flatmap(
words=lines.flatMap(lambda line:line.split()) words.collect()
3.全部转换为小写 lower()
1 words=lines.flatMap(lambda line:line.lower().split()).collect() 2 words=lines.flatMap(lambda line:line.lower().split()) 3 words.collect()
4.去掉长度小于3的单词 filter()
words.filter(lambda word : len(word)>3).collect()
5.去掉停用词
1 # 准备文本 2 lines = sc.textFile('file:///home/hadoop/stopwords.txt') 3 stop = lines.flatMap(lambda line : line.split()).collect() 4 # 去除停用词 5 words=lines.flatMap(lambda line:line.lower().split()).filter(lambda word : word not in stop) 6 words.collect()
6.转换成键值对 map()
words.map(lambda word : (word,1))
7.统计词频 reduceByKey()
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).foreach(print)
8.按字母顺序排序 sortBy(f)
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).sortBy(lambda word:word[0]).collect()
9.按词频排序 sortByKey()
words.map(lambda word : (word,1)).reduceByKey(lambda a,b:a+b).sortByKey().collect()
二、学生课程分数案例
- 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()
- Tom选修了几门课?每门课多少分?filter(), map() RDD
- Tom选修了几门课?每门课多少分?map(),lookup() list
- Tom的成绩按分数大小排序。filter(), map(), sortBy()
- Tom的平均分。map(),lookup(),mean()
标签:map,word,05,编程,lines,RDD,words,line,lambda 来源: https://www.cnblogs.com/yling3/p/14667004.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。