大兴做网站建设制作,怎么做网站不用备案,网络营销资讯网站,沈阳妇科私立医院排名目录
一. pyspark交互式编程示例#xff08;学生选课成绩统计#xff09;
该系总共有多少学生#xff1b;
该系DataBase课程共有多少人选修#xff1b;
各门课程的平均分是多少#xff1b;
使用累加器计算共有多少人选了DataBase这门课。
二.编写独立应用程序实现数…目录
一. pyspark交互式编程示例学生选课成绩统计
该系总共有多少学生
该系DataBase课程共有多少人选修
各门课程的平均分是多少
使用累加器计算共有多少人选了DataBase这门课。
二.编写独立应用程序实现数据去重示例
该系共开设了多少门课程?
Tom同学的总成绩平均分是多少?
求每名同学的选修的课程门数?
编写独立应用程序实现求平均值问题 一. pyspark交互式编程示例学生选课成绩统计 请下载chapter4-data1.txt该数据集包含了某大学计算机系的成绩数据格式如下所示 Tom,DataBase,80 Tom,Algorithm,50 Tom,DataStructure,60 Jim,DataBase,90 Jim,Algorithm,60 Jim,DataStructure,80 …… 请根据给定的实验数据在pyspark中通过编程来计算以下内容 【参考答案】 该系总共有多少学生 lines sc.textFile(file:///usr/local/spark/sparksqldata/Data01.txt) res lines.map(lambda x:x.split(,)).map(lambda x: x[0]) //获取每行数据的第1列 distinct_res res.distinct() //去重操作 distinct_res.count()//取元素总个数//265
答案为265人 该系DataBase课程共有多少人选修 lines sc.textFile(file:///usr/local/spark/sparksqldata/Data01.txt) res lines.map(lambda x:x.split(,)).filter(lambda x:x[1]DataBase) res.count()//126
答案为126人 各门课程的平均分是多少 lines sc.textFile(file:///usr/local/spark/sparksqldata/Data01.txt) res lines.map(lambda x:x.split(,)).map(lambda x:(x[1],(int(x[2]),1))) //为每门课程的分数后面新增一列1表示1个学生选择了该课程。格式如(ComputerNetwork, (44, 1)) temp res.reduceByKey(lambda x,y:(x[0]y[0],x[1]y[1])) //按课程名聚合课程总分和选课人数。格式如(ComputerNetwork, (7370, 142)) avg temp.map(lambda x:(x[0], round(x[1][0]/x[1][1],2)))//课程总分/选课人数 平均分并利用round(x,2)保留两位小数 avg.foreach(print)
答案为
(ComputerNetwork, 51.9)(Software, 50.91)(DataBase, 50.54)(Algorithm, 48.83)(OperatingSystem, 54.94)(Python, 57.82)(DataStructure, 47.57)(CLanguage, 50.61)
使用累加器计算共有多少人选了DataBase这门课。 lines sc.textFile(file:///usr/local/spark/sparksqldata/Data01.txt) res lines.map(lambda x:x.split(,)).filter(lambda x:x[1]DataBase)//筛选出选了DataBase课程的数据 accum sc.accumulator(0) //定义一个从0开始的累加器accum res.foreach(lambda x:accum.add(1))//遍历res每扫描一条数据累加器加1 accum.value //输出累加器的最终值//126
答案共有126人
二.编写独立应用程序实现数据去重示例 对于两个输入文件A和B编写Spark独立应用程序对两个文件进行合并并剔除其中重复的内容得到一个新文件C。下面是输入文件和输出文件的一个样例供参考。 输入文件A的样例如下 20170101 x 20170102 y 20170103 x 20170104 y 20170105 z 20170106 z 输入文件B的样例如下 20170101 y 20170102 y 20170103 x 20170104 z 20170105 y 根据输入的文件A和B合并得到的输出文件C的样例如下 20170101 x 20170101 y 20170102 y 20170103 x 20170104 y 20170104 z 20170105 y 20170105 z 20170106 z 1假设当前目录为/usr/local/spark/mycode/remdup在当前目录下新建一个remdup.py文件复制下面代码 from pyspark import SparkContext #初始化SparkContext sc SparkContext(local,remdup) #加载两个文件A和B lines1 sc.textFile(file:///usr/local/spark/mycode/remdup/A) lines2 sc.textFile(file:///usr/local/spark/mycode/remdup/B) #合并两个文件的内容 lines lines1.union(lines2) #去重操作 distinct_lines lines.distinct() #排序操作 res distinct_lines.sortBy(lambda x:x) #将结果写入result文件中repartition(1)的作用是让结果合并到一个文件中不加的话会结果写入到两个文件 res.repartition(1).saveAsTextFile(file:///usr/local/spark/mycode/remdup/result) 2最后在目录/usr/local/spark/mycode/remdup下执行下面命令执行程序注意执行程序时请先退出pyspark shell否则会出现“地址已在使用”的警告 $ python3 remdup.py
3在目录/usr/local/spark/mycode/remdup/result下即可得到结果文件part-00000。
拓展 该系共开设了多少门课程? Tom同学的总成绩平均分是多少? 求每名同学的选修的课程门数? 编写独立应用程序实现求平均值问题 每个输入文件表示班级学生某个学科的成绩每行内容由两个字段组成第一个是学生名字第二个是学生的成绩编写Spark独立应用程序求出所有学生的平均成绩并输出到一个新文件中。下面是输入文件和输出文件的一个样例 Algorithm成绩文件名 Algorithm_.txt 小明 92 小红 87 小新 82 小丽 90 Database成绩文件名 Database_.txt 小明 95 小红 81 小新 89 小丽 85 Python成绩文件名 Python_.txt 小明 82 小红 83 小新 94 小丽 91 平均成绩格式如下 (小红,83.67) (小新,88.33) (小明,89.67) (小丽,88.67)
