RDD编程练习

一、filter,map,flatmap练习:

1.读文本文件生成RDD lines

lines=sc.textFile("file:///home/hadoop/word.txt")   #读取本地文件
lines.collect()

RDD编程练习

 

 

2.将一行一行的文本分割成单词 words

words=lines.flatMap(lambda line:line.split())   #划分单词
words.collect()

RDD编程练习

3.全部转换为小写

words=words.map(lambda line:line.lower())   #变为小写
words.collect()

RDD编程练习

4.去掉长度小于3的单词

words=words.filter(lambda word:len(word)>3)
words.collect()

RDD编程练习

5.去掉停用词

with open('/home/hadoop/stopwords.txt')
     stops=f.read().split()

words.filter(lambda word:word not in stops).count()
words.filter(lambda word:word not in stops).collect()

RDD编程练习

 

 

二、groupByKey练习

6.练习一的生成单词键值对

words.map(lambda word:(word,1)).collect()

RDD编程练习

7.对单词进行分组

words.map(lambda word:(word,1)).groupByKey().collect()

RDD编程练习

8.查看分组结果

for i in words.map(lambda word : (word,1)).groupByKey().collect()[1][1]:
    print (i)

RDD编程练习

 

 

学生科目成绩文件练习:

0.数据文件上传

1.读大学计算机系的成绩数据集生成RDD

lines = sc.textFile('file:///home/hadoop/chapter4-data01.txt')

lines.take(5)

RDD编程练习

2.按学生汇总全部科目的成绩

groupByName=lines.map(lambda line:line.split(',')).map(lambda line:(line[0],(line[1],line[2]))).groupByKey()
groupByName.take(5)
groupByName.first()
for i in groupByName.first()[1]:
   print(i)

RDD编程练习

3.按科目汇总学生的成绩

groupByCourse=lines.map(lambda line:line.split(',')).map(lambda line:(line[1],(line[0],line[2]))).groupByKey()
groupByCourse.first()
for i in groupByCourse.first()[1]:
   print(i)

RDD编程练习

上一篇:图像图像处理--------车道线识别(简单)


下一篇:Spark RDD编程基础