生成表头
from pyspark.sql.types import *
from pyspark.sql import Row
schemaString="name course score"
fields=[StructField(field_name,StringType(),True) for field_name in schemaString.split(" ")]
bt=StructType(fields)
bt

生成数据
xssj=spark.sparkContext.textFile("file:///usr/local/spark/mycode/rdd/xs.txt").map(lambda line:line.split(',')).map(lambda x:Row(name=x[0],course=x[1],score=int(x[2])))
xssj.take(3)

拼接
xsb=spark.createDataFrame(xssj,bt)
xsb.show()

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。
• xsb.select('name','course',xsb.score+5).show()
• 
• 总共有多少学生？
• xsb.select('name').distinct().count()
• 
• 总共开设了哪些课程？
• xsb.select('course').distinct().show()
• 
• 每个学生选修了多少门课？
• xsb.groupBy('name').count().show()
• 

   

   

• 每门课程有多少个学生选？
• xsb.groupBy('course').count().show()
• 
• 每门课程大于95分的学生人数？
• xsb.filter(xsb.score>95).groupBy('course').count().show()
• 
• Tom选修了几门课？每门课多少分？
• xsb.filter(xsb.name=='Tom').show()
• 
• Tom的成绩按分数大小排序。
• xsb.filter(xsb.name=='Tom').orderBy(xsb.score).show()
• 
• Tom的平均分。
• xsb.filter(xsb.name=='Tom').agg({'score':'mean'}).show()
• 

 

• 求每门课的平均分，最高分，最低分。

• xsb.filter(xsb.name=='Tom').groupBy('course').agg({'score':'mean'}).show()

• 
• xsb.filter(xsb.name=='Tom').groupBy('course').agg({'score':'max'}).show()
• 
• xsb.filter(xsb.name=='Tom').groupBy('course').agg({'score':'min'}).show()
•