8

一、用DataFrame的操作完成以下数据分析要求

  • 每个分数+5分。

 

  • 总共有多少学生?

  • 总共开设了哪些课程?

  • 每个学生选修了多少门课?

  • 每门课程有多少个学生选?

  • 每门课程大于95分的学生人数?

  • Tom选修了几门课?每门课多少分?

  • Tom的成绩按分数大小排序。

  • Tom的平均分。

  • 求每门课的平均分,最高分,最低分。

  • 求每门课的选修人数及平均分,精确到2位小数。

 

  • 每门课的不及格人数,通过率

 

 

 

二、用SQL语句完成以上数据分析要求 

   具体代码分析见上述实现

三、对比分别用RDD操作实现、用DataFrame操作实现和用SQL语句实现的异同。(比较两个以上问题)

 1.每个分数+5分.

rdd:

   rdd = sc.textFile(url).map(lambda s : s.split(',')).map(lambda s : int(s[2])+5).collect()

DataFrame:

  stu.select('grade',stu.grade+5).show()

SQL:

 stu.createOrReplaceTempView("students")
  spark.sql("select * from students where grade > 95").show()

2.每门课程大于95分的学生人数?

rdd:

   rdd = sc.textFile(url).map(lambda s : s.split(',')).map(lambda s : int(s[2])>95).collect()

DataFrame:

  stu.select(stu.grade > 95).count()

SQL:

  stu.createOrReplaceTempView("students")
  spark.sql("select grade+5 as grade from students").show()

posted @ 2021-05-25 22:45  15521419744  阅读(40)  评论(0编辑  收藏  举报